CDPMSR：用于单图像超分辨率的conditional扩散概率模型
图像与视频处理
2023-02-28 v1 计算机视觉与模式识别
摘要
扩散概率模型（DPM）已被广泛用于图像到图像翻译以生成高质量图像。先前将 DPM 应用于图像超分辨率（SR）的尝试表明，利用在不同噪声水平上训练的去噪 U-Net，以条件图像对纯高斯噪声进行迭代细化，可帮助为低分辨率图像获得满意的高分辨率图像。为进一步提升性能并简化当前基于 DPM 的超分辨率方法，我们提出了一种简单但非平凡的基于 DPM 的超分辨率后处理框架，即 cDPMSR。在对待测低分辨率图像应用预训练 SR 模型以提供条件输入后，我们调整标准 DPM 以进行条件图像生成，并通过确定性迭代去噪过程执行超分辨率。我们的方法在定性与定量结果上均超越先前尝试，并能在 Set5、Set14、Urban100、BSD100 和 Manga109 等多个基准数据集上为低分辨率图像生成更具照片真实感的结果。代码将在录用后发布。
引用
@article{arxiv.2302.12831,
title = {CDPMSR: Conditional Diffusion Probabilistic Models for Single Image Super-Resolution},
author = {Axi Niu and Kang Zhang and Trung X. Pham and Jinqiu Sun and Yu Zhu and In So Kweon and Yanning Zhang},
journal= {arXiv preprint arXiv:2302.12831},
year = {2023}
}
备注
4 pages, 4 figures