一种简单扩散模型组合用于图像去噪中的更好质量权衡
计算机视觉与模式识别
2025-03-20 v1
摘要
扩散模型因其合成逼真图像的能力以及在图像重建任务中的 proven 有效性而在计算机视觉领域受到广泛关注。然而，现有方法未能有效平衡扩散模型的高视觉质量与传统图像重建方法所实现的低失真。具体而言，对于基本的加性高斯噪声移除任务，我们首先说明一种直观的利用预训练扩散模型的方法。进一步，我们提出了线性组合扩散去噪器 (LCDD)，该方法统一了两种互补的推断程序——一种利用模型的生成潜力，另一种确保信號恢复的忠实性。通过利用去噪样本的内在结构，LCDD 实现了最先进的性能，并通过简单标量超参数调整实现受控、良好行为的权衡。
引用
@article{arxiv.2503.14654,
title = {A Simple Combination of Diffusion Models for Better Quality Trade-Offs in Image Denoising},
author = {Jonas Dornbusch and Emanuel Pfarr and Florin-Alexandru Vasluianu and Frank Werner and Radu Timofte},
journal= {arXiv preprint arXiv:2503.14654},
year = {2025}
}
备注
10 pages, 7 figures, 2 tables