文本引导的可探索图像超分辨率

本文介绍了开放域图像超分辨率解的零样本文本引导探索问题。我们的目标是允许用户探索多样且语义准确的重建结果，这些结果在面临不同的大降采样因子时仍能与低分辨率输入保持数据一致性，而无需针对这些特定的退化情况进行显式训练。我们提出了两种零样本文本引导超分辨率方法：i) 修改文本到图像（T2I）扩散模型的生成过程，以促进与低分辨率输入的一致性；ii) 将语言引导纳入基于零样本扩散的恢复方法中。我们表明，所提出的方法能够产生多样的解，这些解既符合文本提示提供的语义含义，又保持了与退化输入的数据一致性。我们评估了所提出的基线方法在极端超分辨率任务上的表现，并在恢复质量、多样性和解的可探索性方面展现出了优势。