用于恢复真实图像的内部细节增强扩散模型
计算机视觉与模式识别
2025-05-28 v2 人工智能
摘要
恢复真实世界退化图像（如旧照片或低分辨率图像） presents 一个重大挑战，因其呈现复杂的混合退化，如划痕、颜色褪色和噪声。近期数据驱动方法在两个主要挑战下难以取得好结果：实现高保真恢复，以及提供对颜色化的对象级控制。虽然扩散模型在生成具有特定控制的高质量图像方面显示出前景，但往往无法在恢复过程中完全保留图像细节。本文提出了一种用于高保真恢复真实世界退化图像的内部细节保留扩散模型。我们利用预训练的 Stable Diffusion 作为生成先验，无需从头训练模型。我们方法的核心是内部图像细节增强 (IIDE) 技术，该技术引导扩散模型在减轻退化效应的同时保留关键结构和纹理信息。该过程首先将输入图像映射到潜空间，然后注入模拟 various 退化因素效应的退化操作。广泛的实验表明，我们的方法在定性评估和感知定量评估方面均显著优于最先进的模型。此外，我们的方法支持文本引导的恢复，实现类似专业摄影编辑的效果。
引用
@article{arxiv.2505.18674,
title = {Restoring Real-World Images with an Internal Detail Enhancement Diffusion Model},
author = {Peng Xiao and Hongbo Zhao and Yijun Wang and Jianxin Lin},
journal= {arXiv preprint arXiv:2505.18674},
year = {2025}
}