F2IDiff：基于特征到图像扩散的超分辨率

Paper#Image Super-Resolution, Diffusion Models, Computer Vision🔬 Research|分析: 2026年1月3日 09:26•
发布: 2025年12月30日 21:37
•
1分で読める
•ArXiv

分析

本文解决了在真实世界场景中使用文本到图像扩散模型进行单图像超分辨率（SISR）的局限性，特别是对于智能手机摄影。它强调了幻觉问题以及对更精确的条件特征的需求。核心贡献是引入了F2IDiff，一个使用低级DINOv2特征进行条件设置的模型，旨在提高SISR性能，同时最大限度地减少不良伪影。
引用 / 来源
查看原文
"The paper introduces an SISR network built on a FM with lower-level feature conditioning, specifically DINOv2 features, which we call a Feature-to-Image Diffusion (F2IDiff) Foundation Model (FM)."
A
ArXiv2025年12月30日 21:37
* 根据版权法第32条进行合法引用。
较旧

GPT-4 LLM simulates people well enough to replicate social science experiments

较新

Brazil’s AI moment is here

相关分析

Paper

从未对齐图像即时进行3D场景编辑

2026年1月3日 06:10

Paper

基于选择策略的协调人形机器人操作

2026年1月3日 06:10

Paper

用于未来预测的LLM预测

2026年1月3日 06:10

来源: ArXiv