Apr, 2023
使用潜空间扩散模型使大尺寸逼真图像修复成为可能的Refusion技术
Refusion: Enabling Large-Size Realistic Image Restoration with
Latent-Space Diffusion Models
TL;DR本研究旨在提高扩散模型在逼真图像修复中的适用性，特别是在网络架构、噪声水平、降噪步骤、训练图像大小和优化器/调度器等多个方面进行改进。我们展示了调节这些超参数可以在失真和感知得分上实现更好的性能，并提出了基于U-Net的潜在扩散模型。与以前的潜在扩散模型相比，我们提出的U-Net压缩策略更稳定，而且不依赖敌对性优化就能恢复高度准确的图像。我们的模型Refusion能够处理大尺寸图像，包括真实世界的阴影去除、HR不均匀去雾、立体超分辨率和景深效果转换，并在NTIRE 2023图像阴影去除挑战赛中获得最佳感知性能和第二名。