連続的スーパーレゾリューションのための陰的拡散モデル

画像スーパーレゾリューション（SR）はその広範な応用性から、近年ますます注目を集めている。しかし、現行のSR手法は一般的に過剰な平滑化やアーティファクトに悩まされており、ほとんどが固定倍率にのみ対応している。本稿では、高忠実度な連続的画像スーパーレゾリューションを実現するためのインプリシット・ディフュージョンモデル（IDM）を提案する。IDMは、インプリシットニューラル表現とノイズ除去ディフュージョンモデルを統合したエンドツーエンドのフレームワークで構成されており、復号プロセスにおいてインプリシットニューラル表現を用いて連続的解像度表現を学習する。さらに、低解像度（LR）条件付けネットワークとスケーリングファクタから構成されるスケール制御可能な条件付け機構を設計した。このスケーリングファクタは解像度を制御し、最終出力におけるLR情報と生成特徴量の割合を適切に調節することで、連続的解像度要件に柔軟に対応できる。広範な実験により、本手法の有効性が検証され、従来手法と比較して優れた性能を示した。