基于扩散模型的概率先验驱动注意力机制用于大气湍流成像
计算机视觉与模式识别
2024-11-18 v1
摘要
大气湍流引入严重的空间和几何畸变，给传统图像复原方法带来挑战。我们提出概率先验湍流去除网络（PPTRN），将基于扩散的概率先验建模与Transformer驱动的特征提取相结合以解决此问题。PPTRN采用两阶段方法：首先，在清晰图像上联合训练潜在编码器和Transformer以建立鲁棒的特征表示。然后，去噪扩散概率模型（DDPM）对潜在向量的先验分布建模，引导Transformer捕捉复原所需的多样特征变化。PPTRN的关键创新是概率先验驱动交叉注意力机制，它将DDPM生成的先验与特征嵌入融合，以减少伪影并增强空间一致性。大量实验验证了PPTRN在湍流退化图像上显著提升复原质量，在清晰度和结构保真度上树立了新基准。
引用
@article{arxiv.2411.10321,
title = {Probabilistic Prior Driven Attention Mechanism Based on Diffusion Model for Imaging Through Atmospheric Turbulence},
author = {Guodong Sun and Qixiang Ma and Liqiang Zhang and Hongwei Wang and Zixuan Gao and Haotian Zhang},
journal= {arXiv preprint arXiv:2411.10321},
year = {2024}
}