去扫描：利用颜色校正扩散模型从扫描件恢复原始图像

大量模拟信息，即文档和图像，已以扫描副本的形式被数字化，以便在数字世界中进行存储、共享和/或分析。然而，此类内容的质量因物理世界中打印、存储和扫描过程造成的各种失真而严重下降。尽管从扫描副本中恢复高质量内容已成为许多产品不可或缺的任务，但这一问题尚未得到系统性的探索，并且据我们所知，尚无公开数据集可用。在本文中，我们将此问题定义为“去扫描”（Descanning），并引入了一个名为 DESCAN-18K 的高质量大规模新数据集。该数据集包含 18,000 对在自然场景中收集的原始图像和扫描图像，其中包含多种复杂的退化。为了消除这些复杂的退化，我们提出了一种名为 DescanDiffusion 的新图像恢复模型，该模型由一个校正全局色彩退化的色彩编码器和一个去除局部退化的条件去噪扩散概率模型（DDPM）组成。为了进一步提高 DescanDiffusion 的泛化能力，我们还通过再现扫描图像中的显著退化，设计了一种合成数据生成方案。我们通过全面的实验和分析证明，我们的 DescanDiffusion 在客观和主观上都优于包括商业恢复产品在内的其他基线方法。