BriefGPT - AI 论文速递
·
放大局部，扩散局外：面向极端图像超分辨率的局部降解感知多重扩散方法
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
YONOS-SR是一种新型的图像超分辨率方法，基于扩散技术，通过尺度蒸馏训练模型，仅需一次DDIM步骤即可实现优越效果，推断效率高于传统的200步方法。
🎯
关键要点
- YONOS-SR是一种新型的基于扩散的图像超分辨率方法。
- 该方法仅需一次DDIM步骤即可获得最先进的结果。
- 通过尺度蒸馏训练模型，将SR问题简化为教师模型在较小放大尺度上的训练。
- 训练过程中使用教师的预测作为目标来训练较高放大尺度的学生模型。
- 实验表明，蒸馏模型明显优于直接训练高放大尺度的模型。
- 推断过程中只需要少量步骤，效率高于传统的200步方法。
- 强大的扩散模型使得可以冻结U-Net，并在其上微调解码器。
- 经过空间蒸馏的U-Net和微调的解码器组合优于传统方法。
➡️
