BriefGPT - AI 论文速递
·
基于降解引导的单步图像超分辨率与扩散先验
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文介绍了YONOS-SR，一种通过单次DDIM步骤实现图像超分辨率的新方法。采用尺度蒸馏，将问题简化为在小尺度上训练教师模型，再逐步训练学生模型到目标尺度。实验显示，该方法比直接高尺度训练更优，推断步骤更少。通过冻结U-Net并微调解码器，结合空间蒸馏，实现了优于传统方法的性能。
🎯
关键要点
- YONOS-SR是一种新的基于扩散的图像超分辨率方法。
- 该方法仅使用一次DDIM步骤即可获得最先进的结果。
- 采用尺度蒸馏方法简化SR问题，通过教师模型在小尺度上训练。
- 学生模型在较高放大尺度上训练，迭代过程直至达到目标尺度。
- 实验表明，蒸馏模型优于直接训练高放大尺度的模型，推断步骤更少。
- 通过冻结U-Net并微调解码器，结合空间蒸馏，性能优于传统方法。
➡️
