BriefGPT - AI 论文速递
·
通过小波域损失训练生成式图像超分辨率模型，更好地控制伪影
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种新颖的DiWa方法，用于SISR，结合了DDPMs和DWT，实现在小波频谱上为超分辨图像产生高频信息，从而生成高质量、详细的重建。该方法在定量指标上优于当前最先进的扩散SISR方法，同时使用更少的参数和节省推理时间。
🎯
关键要点
- 提出了一种新颖的扩散小波（DiWa）方法，用于单图超分辨率（SISR）。
- 该方法结合了去噪扩散概率模型（DDPMs）和离散小波变换（DWT）。
- 在小波频谱上为超分辨图像产生高频信息，生成高质量、详细的重建。
- 在面部（8倍放大）和一般（4倍放大）SR基准测试中，优于当前最先进的扩散SISR方法SR3和SRDiff。
- 在PSNR、SSIM和LPIPS等定量指标上表现更佳。
- 使用DWT使得参数数量显著减少：92M参数而不是550M参数，与SR3相比，9.3M参数而不是12M参数，与SRDiff相比。
- 在经典的一般SR数据集上优于其他最先进的生成方法，同时节省推理时间。
- 强调了该方法在各种应用中的潜力。
➡️
