保留更多细节：减轻现实世界图像超分辨率中的内容漂移

真实世界图像超分辨率（Real-ISR）旨在从遭受各种现实世界退化的低质量（LQ）输入重建高质量（HQ）图像。最近的进展利用稳定扩散模型学习到的 LQ 输入和自然图像先验来取得令人印象深刻的结果。然而，现有方法经常忽视 LQ 输入清晰度不够，不可避免地会导致生成的 HQ 图像内容漂移。这主要表现为视觉细节退化和文本语义转变，严重损害保真度和感知质量。为了应对这一挑战，我们提出了 FSP-Diff，这是一种具有双通路架构的新颖的一步扩散模型。该架构包括用于注入结构化细节以恢复精细结构的细节条件路径和使用结构化细节细化语义指导以减轻语义偏差的细节调制语义路径。对标准 Real-ISR 基准的大量实验表明，FSP-Diff 在定量和定性指标方面均优于现有的一步扩散方法。