FlowIE: 通过修正流实现高效图像增强

CVPRJun, 2024

FlowIE: 通过修正流实现高效图像增强

FlowIE: Efficient Image Enhancement via Rectified Flow

Yixuan Zhu, Wenliang Zhao, Ao Li, Yansong Tang, Jie Zhou...

TL;DRFlowIE 是一个基于流的简单而高效的图像增强框架，通过估计直线路径从一个分布到高质量图像，使用条件矫正流构建线性的一对多传输映射，加速推断，实现对预训练扩散模型丰富知识的充分利用，同时还设计了一种更快的推断算法，通过使用中点切线方向来优化路径估计，取得更优的视觉效果。经过综合实验对合成和真实数据集的严格验证，展示了 FlowIE 的显著功效和高效性。

Abstract

image enhancement holds extensive applications in real-world scenarios due to complex environments and limitations of imaging devices. Conventional methods are often constrained by their tailored models, resulting in diminished robustness when confronted with challenging degradation co

image enhancement flowie flow-based diffusion model inference algorithm

发现论文，激发创造

改进校正流的训练

改进的矫正流训练方法在低 NFE 下能够与知识蒸馏方法竞争，实现了较高的图像生成质量和性能。

May, 2024

文本到图像矫正流作为即插即用的先验

大规模扩散模型在生成任务中取得了显著的性能。矫正流是一种新的生成模型类别，在各个领域展现出了优越的性能。通过理论和实验证据，我们展示了基于矫正流的方法与扩散模型具有相似的功能，可以作为有效的先验。此外，基于矫正流的先验方法在图像反转方面表现出优越的性能。

Jun, 2024

高分辨率图像合成的缩放修正流变压器

对于高维感知数据，扩散模型生成通过将数据从噪声逆向转换而得，并已成为一种强大的生成建模技术。最近，矫正流是一种将数据和噪声连接在一条直线上的生成模型表达形式。本研究通过偏向感知相关尺度来改进现有的噪声采样技术，以训练矫正流模型。通过大规模研究，我们证明了这种方法相对于已有的扩散公式在高分辨率文本到图像合成方面的优越性能。此外，我们提出了一种基于 Transformer 的文本到图像生成架构，该架构利用了两种模态的不同权重，并实现了图像和文本记号之间的双向信息流，从而改善了文本理解、排版和人体偏好评级。我们证明了这种架构遵循可预测的扩展趋势，并通过各种度量标准和人体评估来证实验证损失越低，文本到图像合成越好。我们的最大模型超过了现有的最先进模型，我们将公开我们的实验数据、代码和模型权重。

Mar, 2024

流线型迅速：学会使用修正流生成和转移数据

我们介绍了修正流 (即沿最短路径连接两个分布的神经常微分方程模型) 的概念及其在各种相关任务中的应用，它能够为生成建模和域迁移等提供统一解决方案，并且在图像生成、图像翻译和域适应方面表现出优秀的性能。

Sep, 2022

InstaFlow: 高质量的扩散式文本到图像生成只需一步

透过使用 Rectified Flow 方法，本论文将 Stable Diffusion (SD) 转变为一步模型，创造了首个具有 SD 水平图像质量的逐步扩散型文本到图像生成器 InstaFlow，并大幅超越先前的最先进技术 progressive distillation。

Sep, 2023

视频帧插帧实时中间流估计

RIFE 是一种基于神经网络 IFNet 的实时中间流估计算法，可在视频处理、媒体播放器和显示设备中实现高质量流媒体帧内插值，并且不需要预训练的光流模型。该算法在多个公共基准测试中取得了最先进的性能，与现有的 SuperSlomo 和 DAIN 方法相比，RIFE 速度更快，结果更好。

Nov, 2020

利用正则化流进行低光照图像增强

本文提出利用正则流模型建立低光图像与正常曝光图像之间的一对多映射关系，通过一个可逆网络，将低光图像 / 特征作为条件，学习将正常曝光图像的分布映射到高斯分布，从而得以更好地建模正常曝光图像的条件分布，在提高图像亮度、减少噪声和伪影、增强色彩方面表现出更好的定量和定性结果。

Sep, 2021

WaterFlow: 启发式归一化流用于水下图像增强与更多应用

为了改善水下图像的可见性并提高实际应用效果，我们提出了一种探测驱动的启发式标准化流水线水下图像增强方法 WaterFlow。通过可逆映射将退化图像转化为清晰图像，并结合环境光和介质透射系数等启发式先验来优化数据驱动映射过程。此外，引入了检测感知模块将隐含的语义引导传递到增强过程中，使得增强后的图像具有更多有利于检测的特征，从而提升检测性能。通过大量实验证明了 WaterFlow 方法在定量和定性上超越了现有的最先进方法。

Aug, 2023

EdgeFlow：借助边缘流实现实用的交互式分割

本研究提出了一种名为 EdgeFlow 的图像交互分割方法，该方法采用边缘引导流利用用户点击的交互信息，以实现高质量分割。通过在基准测试上进行全面实验，证明了该方法在速度和准确性方面优于现有方法，并开发了一个有效的交互式分割工具用于实际数据标注任务。

Sep, 2021

SemFlow：通过修正流将语义分割和图像合成绑定在一起

基于扩散的统一框架（SemFlow）将语义分割和语义图像合成作为一对相反问题，通过训练一个常微分方程（ODE）模型在真实图像和语义掩码的分布之间进行传输，解决了扩散输出的随机性与分割结果唯一性之间的矛盾，同时提升生成结果的多样性，该框架在语义分割和语义图像合成任务上取得了有竞争力的结果，希望能激发人们重新思考低级和高级视觉的统一。

May, 2024