denoising performance | BriefGPT

关键词denoising performance

搜索结果 - 6

步骤感知的偏好优化：在每个步骤中将偏好与去噪性能对齐
我们提出了一种 Step-aware Preference Optimization (SPO) 的方法，通过独立评估和调整每个步骤的去噪性能，在对生成图像进行偏好调整时改进了 Diffusion-DPO 方法的训练效率和图像质量。
PDFa month ago
高噪声调度的必要性
通过提出的多项式噪声分布和基于正弦函数的课程，本研究调查了噪声分布中高低噪声水平之间的平衡，并提供了一种保持稳定性的噪声分布方法，实验证明多项式噪声分布优于对数正态噪声分布，在去噪性能方面实现了更好的成绩。
PDF3 months ago
对预训练模型进行微调以提高在有噪标签下的稳健性
在这项研究中，我们的目标是找到一种适用于带有噪声标签数据集的预训练模型微调的合适方法。通过经验分析，我们引入了一种名为 TURN 的新算法，其能够稳健且高效地传递预训练模型的先验知识。该算法包括两个主要步骤：（1）独立调整线性分类器来保护特
PDF8 months ago
ICLRGAN2GAN：使用单个噪声图像进行生成式噪声学习的盲降噪
本篇研究提出了 GAN2GAN 方法，利用生成式模型生成噪声数据和初始的粗略干净图像估计，并使用由生成式模型合成的噪声图像对去噪器进行迭代训练，结果显示该方法在盲去噪问题上达到了非常好的性能，甚至超越了标准判别式训练或 N2N 训练模型的性
PDF5 years ago
深度神经网络降噪的速率最优化
使用生成网络和自编码器对带有噪声的图像进行去噪，当给定一个 $k$ 维码时，自编码器能将噪声能量减小到 $O (k/n)$，并且使用一个梯度算法的生成模型能将噪声能量降低到 $O (k/n)$。
PDF6 years ago
ICML基于神经网络的通用离散降噪器去噪损失的界限
通过最小化经验估计损失函数，从噪声受损数据中适应性地学习参数的神经网络 DUDE 的去噪损失限制类似于监督学习中标准经验风险最小化器（ERM）的泛化误差下限。我们表明其本质上也存在于去噪损失限制中，在所有有界的网络参数和所有基础干净序列上都
PDF7 years ago