May, 2024

P-MSDiff：远程感应图像分割的并行多尺度扩散

PDF
TL;DR提出了一种新的语义分割模型，该模型基于扩散模型和多尺度特征，在改进分割边界和提供上下文信息方面做出了贡献，并通过集成递归去噪分支来检测重复分布数据，旨在解决传统 U-net 模型中解释中间特征的挑战，并通过引入交叉桥线性关注机制扩展了模型结构，提高了网络性能。
diffusion modelsmulti-scale featuressemantic segmentationp-msdiffcbla module
发现论文，激发创造
  • CrossDiff: 基于交叉预测扩散模型探索自监督全色影像增强的表示

    提出了一种名为 CrossDiff 的跨预测扩散模型，利用自我监督的表示学习方法进行卫星图像的泛光锐化，通过两阶段的训练并与其他方法比较，实验证明了该模型的有效性和优越性，同时验证了其在其他卫星数据集上的泛化能力。

    Jan, 2024

  • MSDiff：用于超稀疏视角 CT 重建的多尺度扩散模型

    提出了一种利用多尺度扩散模型的超稀疏视角 CT 重建方法，通过对图像信息的全局分布和局部特征进行重新构建，大大改善了超稀疏角度下图像重建质量，并在各种数据集中具有良好的泛化性能。

    May, 2024

  • 无注意力的扩散模型

    高分辨率图像生成中的噪声扩散概率模型（DDPM）是研究的关键，通过引入扩散状态空间模型（DiffuSSM）架构来处理高分辨率图像的生成和表示，从而显著降低计算复杂度，并展示了与使用注意力模块的扩散模型相媲美甚至优于的生成图像质量和计算效率。

    Nov, 2023

  • DP-MDM：通过多个扩散模型实现细节保留的磁共振重建

    通过使用多种扩散模型提取 k 空间域中的结构和细节特征，利用虚拟二进制模态掩码和倒金字塔结构来增强 MRI 重建质量，方法通过逐步细化逼近细节并采用级联训练数据分布来表示多尺度数据，从而有效地捕捉和呈现高分辨率的 MRI 图像。

    May, 2024

  • 重新思考用于多对比度 MRI 超分辨率的扩散模型

    提出了一种名为 DiffMSR 的高效扩散模型，用于多对比度磁共振成像的超分辨率重建，通过在高度紧凑的低维潜空间中应用扩散模型生成高频详细信息的先验知识，并设计了 PLWformer 作为解码器，使重建的 MR 图像保持无失真。在公共和临床数据集上的大量实验表明，DiffMSR 优于现有方法。

    Apr, 2024

  • SSDiff: 遥感全色增强的空间光谱综合扩散模型

    这篇论文介绍了一种用于遥感全色增强任务的空间 - 光谱集成扩散模型 (SSDiff)，该模型通过子空间分解的视角将全色增强过程视为空间和光谱成分的融合过程。SSDiff 利用空间和光谱分支分别学习空间细节和光谱特征，然后采用设计的交替投影融合模块 (APFM) 来完成融合。此外，文章还提出了一种调制频率分布的分支间频率调制模块 (FMIM)。SSDiff 的两个组件通过一种类似分支交替微调方法的低秩适应 (LoRA) 来优化性能，更充分地捕捉分量区分特征。对 WorldView-3、WorldView-2、GaoFen-2 和 QuickBird 四个常用数据集进行的大量实验在视觉和定量上证明了 SSDiff 的优越性。

    Apr, 2024

  • DiffMap: 使用扩散模型增强地图分割中的地图先验

    构建高清地图是实现自动驾驶的关键需求之一。本研究提出了 DiffMap，一种利用潜在扩散模型对地图分割掩码的结构先验进行建模的新方法，可以提高语义分割方法的性能并有效修正分割输出中的结构错误，进而改进生成地图的质量。通过广泛的可视化分析，我们的模型在生成更准确反映真实世界地图布局的结果方面表现出优越的能力，从而进一步验证了其有效性。

    May, 2024

  • Siamese Meets Diffusion Network: SMDNet 用于高分辨率遥感图像的改进变化检测

    提出了一种新的网络模型，使用深度学习进行遥感图像变化检测，该模型结合了 Siam-U2Net 特征差分编码器（SU-FDE）和去噪扩散隐式模型，改善了图像边缘变化检测的准确性，并增强了模型对环境变化的鲁棒性。

    Jan, 2024

  • 高效的多模态扩散模型：联合数据填充与部分共享 U-Net

    通过使用部分共享 U-Net (PS-U-Net) 架构及新的有效的多模态采样方法，本研究成功开发出高质量的多模态文本和图像数据生成模型，同时具备与现有模型相比相当的大小、更快的训练速度、更快的多模态采样以及更灵活的生成。

    Nov, 2023

  • 自适应潜在扩散模型用于三维医学图像到图像翻译：多模态磁共振成像研究

    提出了基于潜在扩散模型的多模态图像转换模型，通过使用切换块进行图像到图像转换，解决了临床实践中获取多种模态图像的难题，实现了高质量的目标模态生成。

    Nov, 2023