高斯测量噪声下超分辨率的扩散后验采样
计算机视觉与模式识别
2025-12-29 v1
摘要
本报告研究了已知退化模型下单图像超分辨率（SISR）的扩散后验采样（DPS）。我们实现了一个似然引导的采样过程，该过程将无条件扩散先验与基于梯度的条件约束相结合，以在具有加性高斯噪声的 超分辨率中保证测量一致性。我们在不同引导尺度和噪声水平下评估了后验采样（PS）条件约束，使用 PSNR 和 SSIM 作为保真度指标，并结合选择得分 。我们的消融实验表明，适度的引导可提高重建质量，在 PS 尺度为 且噪声标准差 时取得了最佳配置（得分 ）。定性结果证实，与下采样输入相比，所选 PS 设置恢复了更锐利的边缘和更连贯的面部细节，而其他条件约束策略（如 MCG 和 PS 退火）表现出不同的纹理保真度权衡。这些发现突出了平衡扩散先验与测量梯度强度的重要性，从而无需为每个算子重新训练扩散模型即可获得稳定的高质量重建。
引用
@article{arxiv.2512.21797,
title = {Diffusion Posterior Sampling for Super-Resolution under Gaussian Measurement Noise},
author = {Abu Hanif Muhammad Syarubany},
journal= {arXiv preprint arXiv:2512.21797},
year = {2025}
}