본 논문은 기존 단일 이미지 초고해상도(SISR) 모델이 훈련된 배율보다 훨씬 큰 배율로 확대하면 성능이 저하되는 문제를 해결하기 위해, 모델과 무관한 프레임워크인 Chain-of-Zoom (CoZ)을 제안합니다. CoZ는 SISR을 여러 중간 배율 상태의 자기회귀 연쇄로 분해하고, 다중 스케일 인식 프롬프트를 사용하여 기본 SR 모델을 반복적으로 재사용하여 추가적인 훈련 없이 극단적인 해상도를 달성합니다. 고배율에서는 시각적 단서가 감소하므로, 각 확대 단계에 시각 언어 모델(VLM)이 생성한 다중 스케일 인식 텍스트 프롬프트를 추가합니다. 프롬프트 추출기는 비평가 VLM을 사용한 일반화된 보상 정책 최적화(GRPO)로 미세 조정되어 텍스트 안내가 사람의 선호도에 맞춰집니다. 실험 결과, CoZ에 포함된 표준 4x 확산 SR 모델은 높은 지각 품질과 충실도로 256배 이상의 확대를 달성합니다.
