高斯噪声下基于扩散后验采样的超分辨率

Research Paper#Image Super-Resolution, Diffusion Models, Noise Reduction🔬 Research|分析: 2026年1月4日 00:04•
发布: 2025年12月25日 22:22
•
1分で読める
•ArXiv

分析

本文研究了在存在高斯噪声的情况下，使用扩散后验采样（DPS）进行单图像超分辨率（SISR）。这项研究意义重大，因为它探索了一种通过结合无条件扩散先验和基于梯度的条件来增强图像质量的方法，以强制测量一致性。该研究提供了关于扩散先验和测量梯度强度之间最佳平衡的见解，提供了一种在不重新训练扩散模型的情况下实现高质量重建的方法。
引用 / 来源
查看原文
"The best configuration was achieved at PS scale 0.95 and noise standard deviation σ=0.01 (score 1.45231), demonstrating the importance of balancing diffusion priors and measurement-gradient strength."
A
ArXiv2025年12月25日 22:22
* 根据版权法第32条进行合法引用。
较旧

Deep Generative Models for Synthetic Financial Data: Applications to Portfolio and Risk Modeling

较新

AI for Mycetoma Diagnosis in Histopathological Images: The MICCAI 2024 Challenge

相关分析

Research Paper

SpaceTimePilot：时空控制的生成视频渲染

2026年1月3日 06:10

Research Paper

量子混沌哈密顿量演化下的随机性生成

2026年1月3日 06:10

Research Paper

GaMO：几何感知扩散用于稀疏视角3D重建

2026年1月3日 06:32

来源: ArXiv