源码学习见专栏置顶~
论文作者:Sicheng Gao,Xuhui Liu,Bohan Zeng,Sheng Xu,Yanjing Li,Xiaoyan Luo,Jianzhuang Liu,Xiantong Zhen,Baochang Zhang
论文链接:http://arxiv.org/abs/2303.16491v1
1)方向:图像超分辨率
2)应用:图像超分辨率
3)背景:当前的图像超分辨率方法通常存在过度平滑和伪影问题,并且大多数方法仅适用于固定的放大倍数。
4)方法:引入一种隐式扩散模型(IDM),用于高保真连续图像超分辨率。IDM将隐式神经表示和去噪扩散模型集成到一个统一的端到端框架中,其中在解码过程中采用隐式神经表示来学习连续分辨率表示。此外,设计了一个可缩放的调节机制,包括低分辨率(LR)调节网络和缩放因子。缩放因子调节分辨率,并相应地调节最终输出中LR信息和生成特征的比例,使模型能够适应连续分辨率要求。
5)结果:广泛的实验验证了IDM的有效性,并证明其在先前的艺术作品中具有优越的性能。