Feb, 2024

低剂量 CT 图像去噪的泊松流一致性模型

PDF
TL;DR提出了一种结合了 Poisson 流一致性模型（PFCM）的后采样 Poisson 流一致性模型（PS-PFCM）的图像去噪技术，该方法能够在低剂量 CT 图像上优于当前的最优扩散样式模型，并在 CIFAR-10 数据集上提供了初步结果。
diffusionpoisson flow modelsgenerative tasksdeep generative modelsimage denoising
发现论文，激发创造
  • PPFM: 单步后验采样泊松流生成模型在光子计数 CT 图像去噪中的应用

    Poisson flow generative models (PPFM) for low-dose CT image denoising outperforms diffusion models with a significantly reduced number of function evaluations (NFE=1).

    Dec, 2023

  • 双向一致性模型

    扩散模型及一致性模型结合的双向一致性模型能够通过学习单个神经网络在概率流常微分方程上实现向前和向后遍历，从而实现一步生成和反演，且可用额外步骤提高生成质量或减少重建误差，并在插值、修复等下游任务中展现出强大的能力，包括恢复压缩图像和抵御黑盒对抗攻击。

    Mar, 2024

  • 一致性净化：有效且高效的扩散净化以保证鲁棒性

    通过一步生成纯净图像的完全一致性净化方法，以及使用 LPIPS 损失进行一致性微调，我们的一致性净化框架在保证证明型鲁棒性和效率方面实现了最先进的水平。

    Jun, 2024

  • 图像操作的一般性一致轨迹模型

    本文介绍了扩散式生成模型的成功之处以及其与一般 CTMs 和 GCTMs 的关系，并证明了 GCTMs 在图像操纵任务中的有效性。

    Mar, 2024

  • 训练一致性模型的改进技术

    一步法生成模型中的一种家族为一次生成高质量数据提供了新的方法，通过改进的一致性训练技术，该研究提出了克服预训练模型局限性以及避免评估偏差的方法，并在 CIFAR-10 和 ImageNet 数据集上表现出了显著的改进。

    Oct, 2023

  • Poisson 流生成模型

    该研究提出了一种新的 “泊松流” 生成模型 (PFGM)，通过对高维半球面上的均匀分布进行映射来实现任何数据分布的生成，利用电荷在一个带有额外维度的扩展空间中的分布和电场可以生成高维电场及其在空间中的流动进行学习来实现这一目标，此模型在 CIFAR-10 数据集上表现出优秀的生成效果，并且在网络架构弱的情况下同样具有较好的鲁棒性和加速性。

    Sep, 2022

  • 一种简化的一致性模型

    一种训练一致性模型的替代方案，通过表达常态模型轨迹的微分方程，提高训练效率，并显示出经典的幂律缩放规律。

    Jun, 2024

  • 分阶段一致性模型

    通过解决现有设计中的三个关键缺陷，本文提出了阶段一致性模型（PCM），该模型在多步细化的任务上显著优于现有方法，在一步生成任务上与先前的最新方法相当甚至更优。此外，PCM 的方法学还可应用于视频生成，使其成为最先进的少步文本到视频生成器之一。

    May, 2024

  • 利用生成模型引入的耦合改进一致性模型

    通过引入一种新的耦合，将输入的噪声数据与生成的一致性模型输出相关联，使得一致性训练更接近评分蒸馏，并且加快了一致性训练的收敛速度和提高了性能。

    Jun, 2024

  • 潜在一致性模型：用少量推理步骤合成高分辨率图像

    利用潜在一致性模型（LCMs）解决迭代抽样过程在高分辨率图像合成中的计算负担和生成速度慢的问题，LCMs 通过直接预测导引反向扩散过程的 ODE 解决方案在潜空间中，实现了快速、高保真度的采样。

    Oct, 2023