연구진은 실세계 초해상도 확산 모델의 단점인 반복적인 샘플링으로 인한 계산 병목 현상을 해결하기 위해 새로운 프레임워크 IDaS-SR을 제안했어요.
IDaS-SR은 Manifold Inversion Noise Estimator (MINE)를 통해 초기화 및 경로 불일치를 해결하고, CHARIOT를 통해 구조적 우선순위를 유지하면서 인식-왜곡 경계를 탐색해요.
실험 결과, IDaS-SR은 기존 방법보다 뛰어난 성능을 보이며, 엄격한 구조 복원과 정교한 텍스처 환각을 단일 추론 단계에서 수행할 수 있음을 입증했어요.