SUD$^2$:基于去噪扩散模型监督的图像重建
计算机视觉与模式识别
2023-04-04 v2 机器学习
图像与视频处理
摘要
许多成像逆问题——例如图像相关的修复与去雾——具有挑战性,因为其前向模型未知或依赖于未知的潜在参数。虽然可以通过使用大量配对训练数据训练神经网络来解决此类问题,但这类配对训练数据往往难以获取。本文提出了一种在配对训练数据稀缺时训练图像重建网络的通用框架。具体而言,我们展示了图像去噪算法以及由此延伸的去噪扩散模型,能够在缺乏配对训练数据的情况下监督网络训练的能力。
引用
@article{arxiv.2303.09642,
title = {SUD$^2$: Supervision by Denoising Diffusion Models for Image Reconstruction},
author = {Matthew A. Chan and Sean I. Young and Christopher A. Metzler},
journal= {arXiv preprint arXiv:2303.09642},
year = {2023}
}
备注
18 pages, 15 figures