图像到图像翻译的瑞士军刀：多任务扩散模型
计算机视觉与模式识别
2022-04-07 v1
摘要
近来，扩散模型被应用于广泛的图像分析任务。我们基于一种使用去噪扩散隐式模型的图像到图像翻译方法，引入回归问题和分割问题，以引导图像生成至期望输出。我们方法的主要优势在于去噪过程中的引导由外部梯度完成。因此，扩散模型无需针对同一数据集上的不同任务重新训练。我们将该方法应用于利用回归任务模拟人脸照片的衰老过程，以及应用于脑磁共振（MR）成像数据集以模拟脑肿瘤生长。此外，我们使用分割模型在脑 MR 图像健康切片中所需位置修补肿瘤。我们在所有问题上均取得了令人信服的结果。
引用
@article{arxiv.2204.02641,
title = {The Swiss Army Knife for Image-to-Image Translation: Multi-Task Diffusion Models},
author = {Julia Wolleb and Robin Sandkühler and Florentin Bieder and Philippe C. Cattin},
journal= {arXiv preprint arXiv:2204.02641},
year = {2022}
}