2025_NIPS_DP²O-SR: Direct Perceptual Preference Optimization for Real-World Image Super-Resolution

DP²O-SR 论文总结与核心部分翻译

一、文章主要内容

该论文针对真实世界图像超分辨率（Real-ISR）任务中，基于文本到图像（T2I）扩散/流模型的方法因内在随机性导致输出感知质量不一致的问题，提出了直接感知偏好优化框架（DP²O-SR）。其核心思路是将模型随机性转化为监督信号，通过构建人类对齐的感知奖励和优化偏好对，在无需人工标注的情况下提升模型的感知质量与稳定性。

核心技术路径

1. 感知奖励设计：融合全参考（FR）和无参考（NR）图像质量评估（IQA）指标，平衡结构保真度（抑制幻觉内容）和自然真实感（提升美学连贯性），避免单一指标导致的过平滑或幻觉问题。
2. 偏好对构建：不同于传统“最佳-最差”双模型对比，通过同一模型的不同噪声种子生成多个输出，筛选Top-N和Bottom-N样本构建丰富偏好对，捕捉更精细的感知差异。
3. 层级偏好优化（HPO）：从组内（强调奖励差距大的对比）和组间（优先感知多样性高的输入组）两个维度自适应加权训练对，提升训练效率和感知对齐度。
4. 模型适配策略：针对不同容量的模型（小型扩散模型C-SD2、大型流模型C-FLUX），优化样本数量（M）和选择比例（N/M），小型模型适合宽覆盖比例（如1/4），大型模型更受益于强对比比例（如1/16）。

实验结果