通过低秩适应与 Stable Diffusion XL 实现高效图像复原
计算机视觉与模式识别
2024-09-02 v1
摘要
在本研究中，我们提出了一种增强的图像复原模型 SUPIR，该模型基于将两个低秩自适应 (Low-Rank Adaptation, LoRA) 模块与 Stable Diffusion XL (SDXL) 框架相结合。我们的方法利用 LoRA 的优势对 SDXL 模型进行微调，从而显著提高图像复原的质量和效率。我们收集了 2600 张高质量的真实世界图像，每张图像均配有详细的描述性文本，用于训练该模型。所提出的方法在标准基准上进行了评估并取得了出色的性能，具体表现为更高的峰值信噪比 (PSNR)、更低的学习感知图像块相似度 (LPIPS) 以及更高的结构相似性指数测度 (SSIM) 分数。这些结果突显了将 LoRA 与 SDXL 结合用于高级图像复原任务的有效性，彰显了我们的方法在生成高保真复原图像方面的潜力。
引用
@article{arxiv.2408.17060,
title = {Efficient Image Restoration through Low-Rank Adaptation and Stable Diffusion XL},
author = {Haiyang Zhao},
journal= {arXiv preprint arXiv:2408.17060},
year = {2024}
}
备注
10 pages