探索扩散模型与流模型在数据融合中的设计空间
计算机视觉与模式识别
2025-10-28 v1 仪器与探测器
摘要
数据融合是诸多领域中不可或缺的任务，使能够整合多源信息以提升数据质量和洞察。其关键应用之一是在卫星遥感领域，融合多传感器观测可提高空分辨率和时分辨率。本研究探索了基于扩散模型和流模型的数据融合设计空间，聚焦于防御气象卫星计划Operational Linescan System (DMSP-OLS)和可见红外成像辐射计套件(VIIRS)夜间灯光数据的集成。我们的方法利用多样化的2D图像到图像生成模型，包括UNet、扩散和流模型架构。我们评估了这些架构在卫星遥感数据融合中的效果，确定基于UNet的扩散模型在保持细粒度空间细节方面尤为出色，能够生成高保真度融合图像。我们还提供了关于扩散模型中噪声调度器选择的指导，突出了快速推理的迭代求解器与更高质量重构的离散调度器之间的权衡。此外，我们探索了量化技术，以在不牺牲性能的前提下优化内存效率和计算成本。我们的发现为选择数据融合任务中最有效的扩散和流模型架构提供了实用见解，特别是在遥感应用中，并为利用噪声调度策略以提高融合质量提供了建议。
引用
@article{arxiv.2510.21791,
title = {Exploring the design space of diffusion and flow models for data fusion},
author = {Niraj Chaudhari and Manmeet Singh and Naveen Sudharsan and Amit Kumar Srivastava and Harsh Kamath and Dushyant Mahajan and Ayan Paul},
journal= {arXiv preprint arXiv:2510.21791},
year = {2025}
}