OracleZoom：オンポリシー自己蒸留に着想を得た参照制約付き再帰的画像超解像

要旨

再帰的超解像（SR）は、予測を同一モデルへ繰り返しフィードバックすることにより、固定スケールSRを極端な拡大へと拡張する。これは画像を繰り返しズームする操作に類似している。しかし、各スケール、特に深いスケールにおける正解データの可用性は、必要なソース解像度が幾何級数的に増大するため依然として困難であり、より深い予測は教師なしのままとなる。我々はOracleZoomを提案する。これはオンポリシー蒸留に着想を得た参照制約付きフレームワークであり、自身の軌跡上で学習しつつ、最後の正解データの証拠を監督境界の先へ持ち越す。直接的監督とクロススケール監督は検証可能な内容を制約し、ノーリファレンス品質目的関数は未解決のファインスケール詳細を導く。KL制約付きの事前学習済み潜在事前分布は品質駆動のドリフトを抑制し、EMA一貫性は監督境界を安定化する。7つのデータセットにわたり、OracleZoomはズームスケール全体で最先端のSR品質を達成し、CLIPIQA平均0.713を示すとともに、深いスケールほど大きな改善をもたらし、ハルシネーションを大幅に低減する。コード、データ、モデルは https://dipta007.github.io/OracleZoom/ で公開されている。

English

Recursive Super-Resolution (SR) extends fixed-scale SR to extreme magnification by repeatedly feeding predictions back into the same model, analogous to zooming an image repeatedly. However, ground truth availability at every scale, especially at depth, remains challenging as the required source resolution grows geometrically, leaving deeper predictions unsupervised. We present OracleZoom, an on-policy distillation-inspired, reference-constrained framework that trains on its trajectory while carrying the last ground-truth evidence beyond the supervision boundary. Direct and cross-scale supervision constrain verifiable content, while a no-reference quality objective guides unresolved fine-scale detail. A KL-constrained pretrained latent prior limits quality-driven drift, while EMA consistency stabilizes the supervision boundary. Across seven datasets, OracleZoom achieves the state-of-the-art SR quality across zooming scales, averaging 0.713 CLIPIQA, with larger gains on deeper scales, while significantly reducing hallucinations. Code, data, and models are available at https://dipta007.github.io/OracleZoom/ .