等变抽样：提高基于扩散模型的图像修复性能
计算机视觉与模式识别
2025-11-14 v1
摘要
近期发展尤其是扩散模型，显著提高了图像修复（IR）性能。然而，现有问题中性基于扩散模型的图像修复（DMIR）方法面临无法充分利用扩散先验、导致性能次优的挑战。本文通过分析当前问题中性 DMIR 方法的抽样过程，提供有效解决方案。我们引入 EquS，一种通过双轨抽样施加等变信息的 DMIR 方法。为进一步提升 EquS，我们提出时间步-aware 计划（TAS），并引入 EquS。TAS 优先考虑确定性步骤以增强确定性和抽样效率。广泛实验表明，该方法与前面的问题中性 DMIR 方法兼容，且无需增加计算成本，即可显著提升其性能。我们的代码已公开于 https://github.com/FouierL/EquS。
引用
@article{arxiv.2511.09965,
title = {Equivariant Sampling for Improving Diffusion Model-based Image Restoration},
author = {Chenxu Wu and Qingpeng Kong and Peiang Zhao and Wendi Yang and Wenxin Ma and Fenghe Tang and Zihang Jiang and S. Kevin Zhou},
journal= {arXiv preprint arXiv:2511.09965},
year = {2025}
}
备注
12 pages, 9 figures