用于彩色图像复原的高维辅助生成模型

本工作提出一种无监督深度学习方案，利用高维辅助的基于分数的生成模型完成彩色图像复原任务。考虑到基于分数的生成模型中样本数与内部维度对估计数据分布梯度有关键影响，提出两种不同高维方式：通道复制变换增加样本数，像素缩放变换降低可行空间维度。随后，由这些变换表示的一组高维张量通过去噪分数匹配用于训练网络。接着，通过退火朗之万动力学与交替数据一致性更新进行采样。此外，为缓解学习高维表示的困难，提出一种渐进策略以提升性能。所提无监督学习与迭代复原算法包含预训练生成网络以获取先验，与其他数据驱动方法相比具有透明清晰的诠释性。去马赛克与修复上的实验结果展现了我们所提方法的卓越性能与多样性。