PixelSR：像素空间扩散与正交流解耦

基于摘要分析。PixelSR 研究真实世界图像超分辨率（Real-SR）中感知真实感与结构保真度之间的权衡，提出直接在像素空间运行的单阶段 Pixel Diffusion Transformer。作者认为，该权衡并非扩散模型的固有属性，而主要源于常见两阶段框架的架构约束；这一解释仍需结合全文对照实验核实。 方法包含 Pixel-space Conditional Diffusion 与 Orthogonal Flow Decoupling 两项设计。前者结合空间对齐的低分辨率（LR）条件、视觉语义引导和轻量纹理细化，绕过 VAE 压缩，在 RGB 空间进行端到端优化。后者将非对称流目标分解为低秩语义分量与无噪声的正交纹理分量，并交由专门分支处理，意在减少语义与纹理优化之间的相互干扰。这里的“无噪声”是作者对目标分量的描述，不能据此推断输出图像不存在伪影。 作者报告，在多个基准上的实验取得了有竞争力的表现，并缓解了保真度与真实感之间的权衡。摘要未提供基准名称、退化设定、评价指标、具体数值或对照方法，因此尚不能判断改善幅度及适用范围。实验协议、消融及统计信息尚未验证；复现还需核对正交分解的具体定义、训练目标、语义引导来源，以及直接在像素空间建模的训练和推理成本。 本文的主要对象是 RGB 图像复原，并非 EEG 或 BCI。材料未提供神经信号实验或明确的迁移路径，不能将图像超分辨率效果视为神经信号重建有效性的证据；相关 EEG 工作尚未检索确认。