基于双变量 A 试波动力扩散的单幅图像超分辨率

超分辨率（SR）模型的有效性取决于其在不引入伪影的前提下恢复高频结构的能力。扩散方法最近在 SR 领域取得了显著进展。然而，大多数基于扩散的 SR 流程仅 operate 在空间域，可能生成不受低分辨率证据充分支撑的高频细节。另一方面，与监督 SR 模型不同，单幅图像 SR 主要依赖内部图像统计，因而较少受数据集驱动的幻觉影响；尽管如此，LR 观测的歧义仍可能导致不一致的高频细节。为解决此问题，本文引入 BATDiff，一种面向生成过程中结构化跨尺度指导的无监督双变量 A 试波扩散模型。BATDiff 采用 A 试波变换构建无下采样的多尺度表征，使高频分量逐层显现，同时保持完整空间分辨率。作为核心推理机制，BATDiff 包含双变量跨尺度模块，用于建模相邻尺度之间的父子依赖关系。它改善了高频一致性，减少了扩散 SR 中的不匹配伪影。实验表明，BATDiff 在标准基准测试上生成的重构更锐利、结构更一致，相较于现有扩散和非扩散基线方法，在保真度和感知质量方面取得了提升。