基于大规模扩散判别器的单步扩散图像超分辨率
计算机视觉与模式识别
2025-03-11 v3
摘要
扩散模型在现实世界图像超分辨率(Real-ISR)方面表现优异，尽管计算成本较高。大多数现有方法试图通过知识蒸馏(KD)或变分得分蒸馏(VSD)从多步骤模型中推导出单步扩散模型。然而，这些方法受限于教师模型的能力，尤其是当教师模型本身并不够强大时。在为此提出新方法后，我们提出一种新的单步"D"iffusion模型，配合更大规模的"D"iffusion"D"iscriminator进行SR，称为DSR。我们的判别器能够从扩散模型的任何时间步提取潜在空间中的噪声特征。如此一来，我们的扩散判别器突破了教师模型存在的潜在限制。此外，我们通过边缘感知DISTS(EA-DISTS)改进感知损失，以增强模型生成细节的能力。我们的实验表明，与需要数十乃至数百步的先前扩散方法相比，DSR在定量指标和定性评估中均可实现相当甚至更好的结果。而且，与其他方法相比，DSR至少快3倍，参数减少至少30%。我们将在https://github.com/JianzeLi-114/D3SR上发布代码和模型。
引用
@article{arxiv.2410.04224,
title = {Unleashing the Power of One-Step Diffusion based Image Super-Resolution via a Large-Scale Diffusion Discriminator},
author = {Jianze Li and Jiezhang Cao and Zichen Zou and Xiongfei Su and Xin Yuan and Yulun Zhang and Yong Guo and Xiaokang Yang},
journal= {arXiv preprint arXiv:2410.04224},
year = {2025}
}