用于图像超分辨率的动态注意力引导扩散
计算机视觉与模式识别
2025-04-14 v4 人工智能
机器学习
摘要
图像超分辨率（SR）中的扩散模型对所有图像区域一视同仁，这可能在对较简单区域去噪时引入伪影，从而损害整体图像质量。为此，我们提出“You Only Diffuse Areas”（YODA），一种用于图像超分辨率的动态注意力引导扩散过程。YODA 选择性地聚焦于由低分辨率图像和当前去噪时间步推导出的注意力图所定义的空间区域。这种与时间相关的定位通过聚焦于从迭代精炼过程中获益最多的区域（即细节丰富的物体），实现了向高分辨率输出更高效的转换。我们通过扩展领先的基于扩散的方法 SR3、DiffBIR 和 SRDiff 对 YODA 进行了实证验证。我们的实验在 PSNR、SSIM 和 LPIPS 指标上展示了人脸及通用超分辨率任务中新的 SOTA 性能。作为一个副作用，我们发现 YODA 减少了色彩偏移问题并以小批量稳定了训练。
引用
@article{arxiv.2308.07977,
title = {Dynamic Attention-Guided Diffusion for Image Super-Resolution},
author = {Brian B. Moser and Stanislav Frolov and Federico Raue and Sebastian Palacio and Andreas Dengel},
journal= {arXiv preprint arXiv:2308.07977},
year = {2025}
}
备注
Brian B. Moser and Stanislav Frolov contributed equally