Chain-of-Zoom

Chain-of-Zoom: 通过缩放自回归和偏好对齐实现极端超分辨率 (NeurIPS 2025 焦点)

此仓库是 Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment 的官方实现,由 Bryan Sangwoo Kim、Jeongsol Kim、Jong Chul Ye

摘要

现代的单图像超分辨率 (SISR) 模型在其训练的尺度因子上可提供照片级的结果,但存在明显的缺点:

1. 模糊和失真,当将图像放大到超出其训练范围时

我们通过Chain-of-Zoom来解决这个问题,这是一个不依赖模型的框架,它将 SISR 分解为具有多尺度感知提示的中间尺度状态的自回归链。CoZ 反复使用一个主干 SR 模型,将条件概率分解为可跟踪的子问题,从而实现极高的分辨率,而无需额外训练。由于在高放大倍率下视觉提示会减弱,我们将每个放大步骤都与由提示提取器 VLM 生成的具有多尺度感知的文本提示相结合。该提示提取器可以通过 GRPO 与评价器 VLM 进行微调,以进一步使文本指导与人类偏好保持一致。

️ 资讯

• [2025 年 8 月] 发布了额外代码。