基于 Transformer 的扩散模型的非均匀采样用于跳跃策略的水下图像增强
原文中文，约500字，阅读约需2分钟。发表于：。通过在水下场景中使用扩散模型进行图像增强的方法，本文提出了一种方法。我们的方法利用水下图像和高斯噪声作为输入，采用条件降噪扩散概率模型生成相应的增强图像。此外，为了提高扩散模型中的反向过程的效率，我们采用了两种不同的方式。我们首先提出了一种基于轻量级 Transformer...
本文提出了一种通过使用扩散模型进行水下图像增强的方法。该方法利用水下图像和高斯噪声作为输入，采用条件降噪扩散概率模型生成增强图像。作者采用了基于轻量级Transformer的降噪网络和跳跃抽样策略来提高反向过程的效率。实验结果表明，该方法在水下增强任务上具有竞争性的性能和高效性。
