PulseAugur
中
实时 01:36:08
English(EN) MetaSR: Content-Adaptive Metadata Orchestration for Generative Super-Resolution

MetaSR框架使用Diffusion Transformer进行生成式超分辨率中的自适应元数据

作者 PulseAugur 编辑部 · [2 个来源] ·

研究人员开发了MetaSR，一个用于生成式超分辨率的新型框架，该框架能够自适应地选择和注入相关元数据以增强图像和视频质量。这种基于Diffusion Transformer的方法旨在处理各种内容和降级场景，性能优于现有方法。MetaSR在PSNR方面取得了显著改进，同时在资源受限的情况下将传输比特率降低了多达50%。 AI

影响 以降低的比特率提高了图像和视频质量，可能影响流媒体服务和内容交付。

排序理由 这是一篇描述生成式超分辨率新模型和框架的研究论文。

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →

MetaSR框架使用Diffusion Transformer进行生成式超分辨率中的自适应元数据

报道来源 [2]

  1. arXiv cs.CV TIER_1 English(EN) · Jiaqi Guo, Mingzhen Li, Haohong Wang, Aggelos K. Katsaggelos ·

    MetaSR: Content-Adaptive Metadata Orchestration for Generative Super-Resolution

    arXiv:2604.26244v1 Announce Type: new Abstract: We study generative super-resolution (SR) in real-world scenarios where content and degradations vary across domains, genres, and segments. For example, images and videos may alternate between text overlays, fast motion, smooth cart…

  2. arXiv cs.CV TIER_1 English(EN) · Aggelos K. Katsaggelos ·

    MetaSR: Content-Adaptive Metadata Orchestration for Generative Super-Resolution

    We study generative super-resolution (SR) in real-world scenarios where content and degradations vary across domains, genres, and segments. For example, images and videos may alternate between text overlays, fast motion, smooth cartoons, and low-light faces, each benefiting from …

相关实体

相关话题