医用画像や生物イメージングでは、低解像度・ノイズ混入・その他の劣化を伴う観測から高解像度画像を復元することが長く難しい課題とされてきた。従来の超解像手法の多くは整数倍の拡大率を前提としており、2.7 倍や 3.3 倍といった非整数の拡大率が必要になると再学習や補間を要し、ぼけやアーティファクトが生じやすい。暗黙的ニューラル表現（INR）は画像を連続座標から画素値への関数として表現することで解像度非依存の再構成を可能にするが、劣化画像領域では有効な制約が乏しく、ノイズ増幅やエッジの歪みが生じやすかった。
この問題に対して本論文は、方向性全変動正則化暗黙的ニューラル表現（DTV-INR）を提案する。著者らは連続から離散への撮像取得過程を不適切逆問題の変分枠組みに組み込み、SIREN アーキテクチャの座標ネットワークに動的なリーマン計量テンソル場 D(x) を付与する。このテンソル場は画像の構造テンソルから導かれ、局所的なエッジの方向と強度を符号化する。スペクトル分解を通じて、正則化項は拡散を主要な構造輪郭に平行な方向へ優先的に向け、エッジを横切る散逸にはペナルティを与える。これにより、スカラー全変動（TV）方式に固有の階段状アーティファクトを回避できる。従来の TV は平滑領域を断片的な定数値に押し潰しがちだが、方向性 TV は急峻な境界を保ちながら漸変領域の連続性も維持する。
理論面でも経験的な設計にとどまらない。論文は H^1(Ω) 空間においてこの変分定式化の適切性を厳密に証明し、変分最小解の存在性・一意性、さらに計量場に対する安定性を示している。求解には交互射影最適化アルゴリズムを設計し、ネットワークパラメータの調整と適応的テンソル場の更新を分離することで、二つの部分問題をそれぞれ安定に反復させる。これにより同時最適化時の干渉を避け、単調な前処理付き収束挙動が報告されている。
実験は、細部への要求が極めて高い二種類の劣化画像領域を対象とする。臨床脳磁気共鳴画像（MRI）と生体医用透過電子顕微鏡（TEM）である。連続的で非整数のアップサンプリング因子において、DTV-INR は正則化なしのベースライン INR に対して PSNR を最大 +5.05 dB 改善し、等方性 TV-INR に対しては +1.71〜2.85 dB 改善した。ピーク信号対雑音比だけでなく、輪郭がより明瞭でアーティファクトが少ないという定性的な改善も報告されている。頑健性の面では、ノイズ標準偏差が σ_η = 0.10 に達しても良好な性能を維持しており、実際の取得環境で想定される低 S/N データにとって重要な性質である。
論文情報としては、Mahmoud Saeedi Kelishami による成果で、2026 年 9 月 21 日に arXiv に投稿され、番号は arXiv:2609.25429v1、分類はコンピュータビジョンとパターン認識（cs.CV）である。全文は 18 ページ、図 8 点、表 3 点で構成され、MSC 分類は 68U10、49M20、65K10、94A08、DOI は 10.48550/arXiv.2609.25429 である。