FDIR: 손실 압축 이미지 복원 시 충실도와 인간-기계 선호도의 조화

FDIR: Harmonizing Fidelity and Human-Machine Preference in Lossy Compression Image Restoration

이미지 복원 품질은 세 가지 상호 보완적인 측면에서 평가될 수 있습니다: 픽셀 수준의 충실도, 인간의 인지 및 하위 작업에서의 기계 선호도. 그러나 기존의 손실 압축 이미지 복원 방법들은 이러한 기준 중 최대 하나만을 최적화합니다. 충실도 중심 모델은 종종 조건부 평균으로 회귀하여 과도하게 부드러운 결과를 생성하는 반면, 생성적 접근 방식은 사실과 다르지만 그럴듯해 보이는 텍스처를 만들어내어 원본 이미지의 충실도와 하위 작업 정확도를 모두 저하시킵니다. 이러한 세 가지 측면 간의 균형을 맞추기 위해, 우리는 FDIR이라는 두 단계 아키텍처를 제안합니다. FDIR은 상호 보완적인 유도 편향을 통해 충돌하는 요구 사항을 분리합니다. Quality-Guided One-Step Flow Matching (QO-Flow)은 단일 순방향 패스를 통해 잠재 공간에서 전역 의미 구조를 복원하고, Flow-Conditioned Detail Refinement (FCDR)는 결정적으로 고주파 텍스처를 복원하고 픽셀 공간에서 생성적인 환각을 억제합니다. 광범위한 실험 결과, FDIR은 우수한 충실도를 달성하며, 인지-충실도 균형이 뛰어나고 기계 선호도 측면에서도 경쟁력이 있음을 보여줍니다.

Image restoration quality can be evaluated along three complementary facets: pixel-level fidelity, human perception, and downstream machine preference. However, existing lossy compression restoration methods optimize for at most one of these criteria: fidelity-oriented models often regress toward conditional means and produce over-smoothed outputs, while generative approaches hallucinate plausible but factually incorrect textures that degrade both ground-truth fidelity and downstream task accuracy. To navigate this three-way tradeoff, we propose FDIR, a two-stage architecture that decouples the conflicting demands through complementary inductive biases: Quality-Guided One-Step Flow Matching (QO-Flow) recovers global semantic structure in latent space via a single forward pass, while Flow-Conditioned Detail Refinement (FCDR) deterministically restores high-frequency textures and suppresses generative hallucinations in pixel space. Extensive experiments demonstrate that FDIR achieves superior fidelity, with a favorable perceptual-fidelity balance and competitive machine preference.