面向无伪影超分辨率的自适应真实引导扩散方法
图像与视频处理
2024-03-26 v1 计算机视觉与模式识别
摘要
无伪影超分辨率 (SR) 旨在将低分辨率图像转换为高分辨率对应图像，同时严格保持原始内容的完整性，消除任何失真或合成细节。尽管传统的基于扩散的 SR 技术在增强图像细节方面表现出色，但它们在迭代过程中容易引入伪影。这些伪影，从微小的噪声到不真实的纹理，偏离了源图像的真实结构，从而挑战了超分辨率过程的完整性。在这项工作中，我们提出了自适应真实引导扩散 (SARGD)，一种无需训练的方法，该方法深入潜在空间以有效识别并抑制伪影的传播。我们的 SARGD 首先使用伪影检测器来识别不合理的像素，创建一个突出显示伪影的二值掩模。随后，真实引导细化 (RGR) 过程通过将该掩模与真实的潜在表示相结合来细化伪影，从而改善与原始图像的一致性。然而，来自低质量图像的初始真实潜在表示会导致最终输出过度平滑。为了解决这个问题，我们引入了一种自适应引导 (SAG) 机制。它动态计算一个真实度分数，增强真实潜在表示的清晰度。这些交替的机制共同实现了无伪影的超分辨率。大量实验证明了我们方法的优越性，能够提供细节丰富的无伪影高分辨率图像，同时将采样步骤减少 2 倍。我们在 https://github.com/ProAirVerse/Self-Adaptive-Guidance-Diffusion.git 发布了代码。
引用
@article{arxiv.2403.16643,
title = {Self-Adaptive Reality-Guided Diffusion for Artifact-Free Super-Resolution},
author = {Qingping Zheng and Ling Zheng and Yuanfan Guo and Ying Li and Songcen Xu and Jiankang Deng and Hang Xu},
journal= {arXiv preprint arXiv:2403.16643},
year = {2024}
}