PRISM: Prior Rectification and Uncertainty-Aware Structure Modeling for Diffusion-Based Text Image Super-Resolution
PRISM：用于扩散文本图像超分的先验校正与不确定性结构建模
🧭 文本图像超分辨率 · 扩散模型
通过流匹配先验校正和不确定性感知残差编码，实现单步扩散的文本图像超分辨率
📌 工作参考价值
- 扩散模型中利用流匹配对隐空间先验进行校正的思路，可迁移到序列生成任务（如用户行为序列还原），通过构建高低质量隐变量对学习修正映射，提升生成可靠性。
- 不确定性引导的残差学习可用于多模态特征融合，对置信度低的模态特征进行抑制，避免噪声扩散，适合电商场景中不完整商品描述等。
- 单步扩散的加速技巧（如蒸馏、流匹配一步生成）可应用于实时推荐系统中的内容生成（如标题、摘要），降低推理延迟。
动机：文本图像超分辨率（Text-SR）在严重退化下常因文本条件不可靠和先验不精细导致字符错误。现有方法虽引入识别或生成先验，但仍未解决这两个问题。
方法：提出PRISM，单步扩散框架，包含两个核心组件。Flow-Matching Prior Rectification (FMPR) 在训练时利用配对的高低质潜变量，学习一个流匹配过程，将退化特征传输至恢复导向的先验空间，提供更可靠的全局文本引导。Structure-guided Uncertainty-aware Residual Encoder (SURE) 则预测不确定性感知的结构残差，根据局部边界证据的可靠性自适应地吸收清晰笔画而抑制模糊区域，从而细化局部结构。二者结合在一次扩散前向中完成全局先验修正与局部结构精炼。
结果：在合成和真实文本图像基准上取得SOTA，推理速度达毫秒级，大幅超越之前的多步扩散方法。