BriefGPT - AI 论文速递
·
因子化扩散：通过噪声分解引起的感知错觉
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
通过图像因子分解为线性组件之和，提出了一种零样本方法来控制每个组件，生成根据观察距离改变外观的混合图像。使用灰度、彩色和运动模糊核分解图像，生成在不同条件下外观改变的图像。通过组合噪声估计进行去噪，恢复先前的生成和空间控制方法。扩展到从真实图像生成混合图像。
🎯
关键要点
-
通过将图像因子分解为线性组件之和，提出了一种零样本方法来控制每个组件。
-
通过分解图像为低频和高频空间成分，基于不同的文本提示调整这些成分，生成根据观察距离改变外观的混合图像。
-
使用灰度和彩色成分分解图像，生成在昏暗光照下外观改变的图像。
-
通过运动模糊核分解图像，生成在运动模糊下外观改变的图像。
-
使用组合噪声估计进行去噪，恢复先前的生成和空间控制方法。
-
展示了该方法可以扩展到从真实图像生成混合图像。
-
通过固定一个组件并生成其余组件来解决逆问题。
➡️
