May, 2023

DocDiff: 通过剩余扩散模型增强文档

PDF
TL;DR提出了一种名为 DocDiff 的基于扩散的框架，用于解决文档图像退化问题，包括去模糊、去噪和去水印，采用回归和扩散模型结合的方法来处理文档图像的高频信息，已在多个基准数据集上取得了最先进的性能（SOTA）表现。
document enhancementdiffusion-based frameworkregression-based methodsautomated document analysisdocument denoising
发现论文，激发创造
  • TextDiff：基于掩膜引导的残差扩散模型用于场景文字图像超分辨率

    提出了一种基于扩散的场景文本图像超分辨率的框架 TextDiff，包含两个模块：文本增强模块 (TEM) 和基于掩模的残差扩散模块 (MRD)。实验证明，TextDiff 在公共基准数据集上实现了最先进的性能，同时提高了场景文本图像的可读性。

    Aug, 2023

  • 高保真基于扩散的图像编辑

    扩散模型在图像生成和编辑领域取得了显著的成功。我们提出了一种创新的框架，其中包含一个修正模块，用残差特征调节扩散模型权重，以填补编辑过程中准确性的差距。此外，我们引入了一种新的学习范式，旨在在编辑过程中最小化错误传播。通过大量实验证明，我们的提议框架和训练策略在各种去噪步骤下实现了高保真的重建和编辑结果，并在定量指标和质量评估方面表现出色。此外，我们还通过图像到图像的转换和跨领域图像编辑等多个应用探索了模型的泛化能力。

    Dec, 2023

  • HIR-Diff: 无监督的高光谱图像修复：改进的扩散模型

    本文提出了一种基于预训练扩散模型的无监督高光谱图像恢复框架（HIR-Diff），通过两个低秩分量（即降维图像和系数矩阵）的乘积来还原清晰的高光谱图像。实验证明，该方法在高光谱图像恢复任务中具有卓越的性能和速度优势。

    Feb, 2024

  • RSHazeDiff: 远程感知图像除雾的统一傅里叶感知扩散模型

    提出了一种新的统一的傅立叶感知扩散模型（RSHazeDiff）用于遥感图像去雾，通过改进 DDPM 的训练阶段、采用频率信息作为先验知识以及设计全局补偿学习模块等方式，有效提高了图像质量、保留了更多细节和颜色保真度。

    May, 2024

  • TDiffDe：一种用于遥感高光谱图像去噪的截断扩散模型

    本研究提出了一种被称为 TDiffDe 的截断扩散模型，用于逐步恢复高光谱图像中的有用信息，从而解决由于传感器设备和成像环境引起的噪声问题。

    Nov, 2023

  • EDiffSR: 一种高效的远程感知图像超分辨率扩展的扩散概率模型

    本论文介绍了一种用于高效遥感图像超分辨率的扩散概率模型（DPM）EDiffSR，并结合了高效的激活网络（EANet）和条件先验增强模块（CPEM），以提高遥感图像的视觉质量和细节恢复能力。

    Oct, 2023

  • 残差去噪扩散模型

    提出了一种基于残差去噪扩散模型（RDDM）的图像生成和恢复方法，该方法通过预测残差来表示从目标域到输入域的扩散方向，并同时估计噪声以考虑扩散过程中的随机扰动，从而实现了图像生成和恢复的统一。

    Aug, 2023

  • 基于小波扩散模型的低光照图像增强

    我们提出了一种名为 DiffLL 的稳健和高效的基于扩散模型的低光图像增强方法，它利用波浪变换加速推理并降低计算资源使用但不损失信息，并通过前向扩散和反向去噪实现稳定去噪和减少随机性。我们还设计了高频率恢复模块，利用图像的垂直和水平细节来补充对角信息以实现更好的细粒度恢复。大量实验证明，我们的方法在定量和视觉上均优于现有的最先进方法，并且与以前的扩散方法相比，在效率上获得了显着的提高。此外，我们还经验性地证明了方法在低光人脸检测方面的潜在实际价值。

    Jun, 2023

  • 金字塔扩散模型用于低光图像增强

    本文提出了一种金字塔扩散模型（PyDiff）用于低光图像增强，该模型使用一种新颖的金字塔扩散方法进行采样，同时引入全局校正器以减轻可能出现的全局降级现象，大大提高了性能并使扩散模型的训练更加容易，具有良好的通用性。

    May, 2023

  • DR2: 基于扩散的盲人脸修复鲁棒去噪器

    提出了基于扩散的鲁棒退化去除器 (DR2) 去除盲目面部修复中存在的性能瓶颈，其通过采用良好表现的去噪扩散概率模型，将输入图像扩散到噪声状态，捕捉了迭代去噪步骤中的语义信息，从而与常见的退化鲁棒 (如模糊、调整大小、噪声和压缩) 相容并且在合成和真实世界数据集上超越了现有技术。

    Mar, 2023