English(EN) SPARK: Input-Conditioned Sparse Activation Modulation for Frozen DiT-based Super-Resolution

SPARK方法增强了用于图像超分辨率的冻结DiT模型

作者 PulseAugur 编辑部 · [1 个来源] · 2026-09-04 04:00

研究人员开发了SPARK，一种使用冻结的Diffusion Transformer (DiT) 模型增强图像超分辨率的新颖方法。SPARK通过在线激活排序程序识别并调制少量主导内部通道，以提高保真度和感知质量。这种轻量级方法通过预测有界逐通道仿射变换来实现，仅需优化一个基于低分辨率VAE潜在变量的条件预测器，同时保持主要的SR骨干网络和VAE冻结。在多个数据集上的多个基于DiT的SR模型上进行的实验表明，无需对整个网络进行微调即可获得一致的性能提升。 AI

影响这项研究提供了一种更有效的方法来改进图像超分辨率，通过适配冻结模型，可能降低高质量图像生成的计算成本。

排序理由该集群描述了一篇关于使用现有AI模型进行图像超分辨率的新颖方法的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 15 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该集群描述了一篇关于使用现有AI模型进行图像超分辨率的新颖方法的新研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Federico Putamorsi, Leonardo Zini, Marcella Cornia, Lorenzo Baraldi · 2026-09-04 04:00

SPARK：基于冻结DiT的超分辨率的输入条件稀疏激活调制

arXiv:2609.03813v1 Announce Type: new Abstract: Real-world image super-resolution (SR) increasingly relies on Diffusion Transformer (DiT) backbones, whose internal activations can be dominated by a small number of massive channels. Yet improving perceptual quality in these models…

本文如何被排名

报道来源 [1]

SPARK：基于冻结DiT的超分辨率的输入条件稀疏激活调制

相关实体

相关话题