基于广义 Ornstein-Uhlenbeck 桥的图像复原
计算机视觉与模式识别
2024-05-21 v2 人工智能
机器学习
摘要
扩散模型展现出强大的生成能力，能够通过反向随机微分方程将噪声映射为数据。然而，在图像复原中，关注点在于从低质量图像到高质量图像的映射关系。针对这一问题，我们引入了广义 Ornstein-Uhlenbeck 桥（GOUB）模型。通过利用广义 OU 过程的自然均值回归特性，并进一步通过 Doob's h-transform 消除其稳态分布的方差，我们实现了点对点扩散映射，从而能够从低质量图像恢复出高质量图像。此外，我们揭示了各种桥模型共享的根本数学本质，它们均为 GOUB 的特例，并通过实证展示了我们提出模型的最优性。另外，我们提出了相应的 Mean-ODE 模型，擅长捕捉像素级细节和结构感知。实验结果表明，这两种模型在包括图像修复、去雨和超分辨率在内的多种任务中均达到了最先进的性能。代码地址：\url{https://github.com/Hammour-steak/GOUB}。
引用
@article{arxiv.2312.10299,
title = {Image Restoration Through Generalized Ornstein-Uhlenbeck Bridge},
author = {Conghan Yue and Zhengwei Peng and Junlong Ma and Shiyan Du and Pengxu Wei and Dongyu Zhang},
journal= {arXiv preprint arXiv:2312.10299},
year = {2024}
}
备注
ICML 2024