学习优化的反应扩散过程以实现有效的图像恢复

CVPRMar, 2015

学习优化的反应扩散过程以实现有效的图像恢复

On learning optimized reaction diffusion processes for effective image restoration

Yunjin Chen, Wei Yu, Thomas Pock

TL;DR本论文介绍一种高效且高质量的图像修复方法，通过引入多个参数化的滤波器和函数对传统非线性反应扩散模型进行扩展，并采用基于损失的方法训练其参数。实验证明，训练后的非线性反应扩散模型的性能得以极大提升，且具有高效，适用于 GPU 的特点。

Abstract

For several decades, image restoration remains an active research topic in low-level computer vision and hence new approaches are constantly emerging. However, many recently proposed algorithms achieve state-of-t

image restoration computer vision nonlinear reaction diffusion models parametrized filters loss-based training

发现论文，激发创造

可训练非线性反应扩散：快速有效图像恢复的灵活框架

使用非线性反应扩散模型的 TNRD 方法，通过动态学习参数从训练数据中同时学习滤波器和影响函数，实现图像恢复任务，包括高斯图像去噪、单图像超分辨率和 JPEG 去块，显示训练模型可以在保持扩散模型结构简单的同时，具有高效的运算速度，并在测试中取得最佳性能表现。

Aug, 2015

图像恢复与增强的扩散模型 —— 综合调查

图像修复是一个具有挑战性的任务，在近期，扩散模型在图像的生成上取得了显著的进展，但关于扩散模型在图像修复中的应用却鲜有综合且有启发性的研究，本文首次对基于扩散模型的图像修复方法进行全面的综述与评估，并提出了未来研究的五个潜在和具有挑战性的方向。

Aug, 2023

图像恢复的高效扩散模型：残差位移

通过建立马尔可夫链以提高高质量图像和低质量图像之间转换的效率，并通过精心设计的噪声方案灵活控制扩散过程中的转移速度和噪声强度，本研究提出了一种新的高效扩散模型用于图像恢复，表现优越或可媲美现有的方法，甚至只需进行四步采样。

Mar, 2024

基于扩散的图像修复与内部学习

本文提出了一种用于图像修复的轻量级扩散模型，可以在单幅图像或几幅图像上进行训练，结果表明我们的方法在某些情况下可以与大型先进模型竞争，特别适用于与标准学习数据库中的 RGB 图像不同的图像获取模态，并在纹理图像、线条图像和材料 BRDF 等三个不同情境中取得了逼真度方面的最新成果，与相应方法相比计算负荷大大减少。

Jun, 2024

利用扩散模型作为约束：增强图像恢复网络通过扩散模型训练

通过引入自然性导向和语义感知优化机制 DiffLoss，本文旨在改善图像恢复领域中的颜色和纹理失真问题，并提高图像的语义感知恢复能力，以实现图像恢复任务和高级识别任务的连接。

Jun, 2024

曝光扩散：学习如何曝光，用于低光图像增强

通过结合漏光图像的扩散模型和基于物理的曝光模型，使用残差层筛选出迭代过程中的副作用，从而改进了图像增强方法。该方法适用于真实数据集、不同噪声模型和骨干网络，并且具有更好的泛化能力。

Jul, 2023

面向深度图像恢复的按需学习

本文提出一种基于反馈机制的面向难度级别泛化的深度卷积神经网络图像修复模型自动生成的算法，旨在避免 “固定” 模型对于固定难度级别的训练。实验表明，在四个图像修复任务上，本算法均优于传统训练和课程学习替代方案。

Dec, 2016

图像恢复的扩散后验近端采样

本文介绍了一种通过扩展扩散模型进行图像修复的新方法，该方法利用生成过程中与测量身份一致的样本，并结合测量信号与初始化信息来提高生成过程的效果。实验证明了该方法在不同的图像修复任务中的有效性。

Feb, 2024

图像恢复的扩散净化解耦数据一致性

提出了一种新颖的基于扩散的图像恢复求解器，通过解耦逆向过程和数据一致性步骤来解决扩散模型中额外梯度步骤引起的计算负担和问题，通过整合一致性模型减少采样步骤的必要性，从而在各种图像恢复任务中展现出高效的问题解决能力。

Mar, 2024

DiffIR2VR-Zero：使用基于传播的图像修复模型实现零对齐视频修复

本研究介绍了一种使用预训练图像恢复扩散模型进行零样本视频修复的方法，该方法通过分层标记合并策略和混合对应机制实现关键帧和局部帧的修复，并在各种具有挑战性的数据集上证明了其在零样本视频修复中的顶级性能和对各种极端降级（8 倍超分辨率和高标准差视频降噪）的一般化能力，可以与任何 2D 恢复扩散模型配合使用，为视频增强任务提供了一种多功能且强大的工具。

Jul, 2024