基于退化引导的单步图像超分辨率模型
应用统计
2024-09-26 v1
摘要
基于扩散的图像超分辨率(SR)方法通过利用大规模预训练文本到图像扩散模型作为先验而取得了显著进展。然而，这些方法仍面临两个挑战: 需要数十次采样步骤以获得满意结果，限制了实际场景中的效率;忽略退化模型，这在解决SR问题中至关重要。本文引入一种新型单步SR模型，显著解决扩散SR方法的效率问题。不同于现有的微调策略，我们为SR专门设计了一种退化引导的低秩适应(LoRA)模块，该模块基于低分辨率图像中预估的退化信息校正模型参数。该模块不仅构建强大的数据依赖或退化依赖SR模型，还尽可能保留预训练扩散模型的生成先验。此外，我们引入一种在线负样本生成策略，以分类自由指导策略为辅，大幅提升超分辨率结果的感知质量。广泛实验表明，所提模型在效率和效果方面均优于最近的SOTA方法。
引用
@article{arxiv.2409.17057,
title = {The Impact of Geopolitical Risks on Bitcoin Volume Growth: Evidence from a Panel Data Analysis},
author = {Ivan Sergio and Danilo Petti},
journal= {arXiv preprint arXiv:2409.17057},
year = {2024}
}
备注
15 pages, 3 figures