基于潜在特征引导的扩散模型用于阴影去除
原文约400字/词,阅读约需1分钟。发表于: 。使用扩散模型进行纹理恢复在解决如何从含有阴影图像中推断出无阴影场景的问题上一直是个具有挑战性的难题。本文提出了使用扩散模型的方法,通过在扩散过程中逐渐细化阴影区域的细节,其中借鉴了具备无阴影图像特征的学习潜在特征空间,从而避免了只基于退化图像的传统方法存在的局限性。此外,我们还提出了通过将噪声特征与扩散网络融合来缓解训练过程中潜在的局部最优问题。我们的方法在 AISTD 数据集上的...
本文提出了使用扩散模型的方法,通过细化阴影区域的细节,解决从含有阴影图像中推断出无阴影场景的问题。通过学习潜在特征空间,避免了传统方法的局限性。同时,通过融合噪声特征和扩散网络,缓解了训练过程中的局部最优问题。在AISTD数据集上,RMSE性能提高了13%,在DESOBA数据集上提高了82%。