💡
原文中文，约3800字，阅读约需10分钟。
📝
内容提要
本文提出了一种新型超分辨率模型Ada-RefSR，旨在解决单步扩散模型中的幻觉问题。通过引入注意力机制和隐式相关性建模，显著提升了图像细节和质量。该方法在多个基准测试中表现优异，具备高效推理和鲁棒性，适合移动设备应用。
🎯
关键要点
- 提出了一种新型超分辨率模型Ada-RefSR，旨在解决单步扩散模型中的幻觉问题。
- 通过引入注意力机制和隐式相关性建模，显著提升了图像细节和质量。
- Ada-RefSR在多个基准测试中表现优异，具备高效推理和鲁棒性，适合移动设备应用。
- 研究背景指出，单图超分模型容易产生幻觉，参考超分试图通过引入参考图来纠正这一点。
- 现有方法在强退化情况下脆弱，容易导致错误的纹理迁移。
- Ada-RefSR通过自适应利用参考图像，增强匹配度高的区域，抑制匹配度低的区域。
- 提出了“信而有证”范式，通过注意力机制引入参考信息并进行过滤与验证。
- Ada-RefSR的结构包括ReferenceNet路径和AICG分支，后者充当自适应的流量调节器。
- AICG模块通过隐式建模计算LQ输入与参考图之间的信任分，动态调节细节注入强度。
- Ada-RefSR在多个主流Benchmark上表现优异，全面领先于现有方法。
- 设计初衷考虑了移动设备的部署需求，推理速度提升显著，计算高效且鲁棒性强。
- 总结指出，Ada-RefSR为高性能、低功耗的影像修复提供了新的方向。
➡️
