基于强化学习的扩散模型用于图像去噪

本文介绍了一种新的图像去噪方法，将各向异性扩散与强化学习相结合。它通过使用深度Q学习学习一系列扩散动作来解决传统扩散方法的局限性。核心贡献在于学习到的扩散过程的自适应性，使其能够更好地处理复杂的图像结构，并优于现有的基于扩散的方法，甚至一些基于CNN的方法。使用强化学习来优化扩散过程是一项关键创新。

• •提出了一种基于强化各向异性扩散的新型图像去噪方法。
• •使用深度Q学习来学习一系列扩散动作。
• •与传统的基于扩散的方法相比，实现了改进的性能。
• •与具有代表性的深度CNN方法竞争。