超分辨率：Implicit Diffusion Models for Continuous Super-Resolution

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。