图像超分辨率（Image Super-Resolution, ISR）

论文作者：Miaomiao Cai,Simiao Li,Wei Li,Xudong Huang,Hanting Chen,Jie Hu,Yunhe Wang

作者单位：University of Science and Technology of China;Huawei Noah’s Ark Lab

论文链接：http://arxiv.org/abs/2504.15176v1

内容简介：

1）方向：图像超分辨率（Image Super-Resolution, ISR）

2）应用：图像超分辨率（Image Super-Resolution, ISR）

3）背景：尽管扩散模型在真实世界图像超分辨率方面取得了一定的进展，但现有方法缺乏有效的人类反馈集成，可能导致生成图像与人类偏好不一致，甚至产生伪影、幻觉或有害内容。因此，引入人类偏好对齐成为提升图像生成质量的重要方向，尤其是在语言模型和文本到图像生成等任务中已有应用。

4）方法：为了弥补现有方法的不足，首次将人类偏好对齐技术引入Real-ISR，并提出了直接偏好优化（Direct Preference Optimization, DPO）方法。DPO通过直接学习人类偏好数据集来实现生成图像与人类偏好的对齐。然而，由于Real-ISR的像素级重建目标与图像级偏好之间存在差异，DPO可能过于敏感于局部异常，从而影响生成质量。为了解决这一问题，本文提出了直接语义偏好优化（Direct Semantic Preference Optimization, DSPO）方法，结合语义指导，通过两种策略来实现实例级人类偏好对齐：（a）语义实例对齐策略，确保细粒度感知一致性；（b）用户描述反馈策略，通过语义文本反馈缓解幻觉问题。

5）结果：实验结果表明，DSPO作为一种即插即用的解决方案，在一阶段和多阶段超分辨率框架中均表现出极高的有效性，显著提升了生成图像的质量和与人类偏好的对齐度。