FreqOrtho-SR：用于现实世界图像超分辨率的频率引导正交专家学习

基于扩散先验的方法在现实世界图像超分辨率（ISR）方面显示出了令人印象深刻的结果，但仍然存在两个关键挑战：平衡像素级保真度与语义质量，以及适应不同的退化。现有的双分支方法在语义训练期间冻结像素模块，但语义分支仍然可以扩展像素子空间内的容量，从而妨碍真正的感知改进。此外，使用单个静态适配器无法泛化现实世界中的异构损坏。为了解决这两个问题，我们提出了 FreqOrtho-SR，其中包括： $\textbf{Freq}$uency-guided Mixture of LoRA Experts (FreqMoE)，它通过基于非参数 FFT 的退化特征提取器将输入路由到专业专家，该提取器对频域签名进行编码，从而实现跨腐败类型的稳定且可解释的专业化； $\textbf{Ortho}$gonal 梯度投影（OGP），它将双目标优化重新定义为子空间约束问题：通过组合专家权重增量上的 SVD 提取像素保真度子空间并将语义梯度投影到其零空间上，OGP 保证两个目标之间的正交性，从而实现真正的互补学习而不会相互干扰。实验表明，FreqOrtho-SR 通过高效的单步推理在多个基准上实现了具有竞争力的整体性能和强大的保真度与感知权衡。我们方法的源代码可以在$\href{https://github.com/sonhm3029/FreqOrtho-SR}{\texttt{sonhm3029/FreqOrtho-SR}}$找到。