BBDM：基于布朗桥扩散模型的图像到图像翻译

图像到图像翻译是计算机视觉与图像处理中一个重要且具挑战性的问题。扩散模型（DM）已展现出高质量图像生成的巨大潜力，并在图像到图像翻译任务上取得了有竞争力的性能。然而，现有大多数扩散模型将图像到图像翻译视为条件生成过程，并深受不同域之间鸿沟的困扰。本文提出一种基于布朗桥扩散模型（BBDM）的新颖图像到图像翻译方法，其将图像到图像翻译建模为随机布朗桥过程，并通过双向扩散过程而非条件生成过程直接学习两域间的翻译。据我们所知，这是首个提出布朗桥扩散过程用于图像到图像翻译的工作。在多个基准上的实验结果表明，所提出的 BBDM 模型通过视觉检查与可度量指标均取得了有竞争力的性能。