计算机应用研究

作者：谢源远,周非,周志远,张宇曈,

单位：重庆邮电大学通信与信息工程学院,重庆400065；

关键词：图像复原,扩散模型,预训练模型,

基金：国家自然科学基金资助项目(62271096)；；

预训练扩散先验图像复原依赖预训练的扩散模型，无须微调即可处理各种经典图像复原任务。然而，目前的预训练扩散先验图像复原方法在处理高分辨率图像时效率低下，并且存在分布外问题（out of distribution，OOD）。针对以上问题，提出了一种基于预训练扩散模型的两阶段高分辨率图像复原方法，命名为由粗到细（coarse-to-fine，C2F）的方法。首先在预训练模型固定尺寸的coarse阶段得到粗糙的复原结果以保证输出一致性。然后在原尺寸的fine阶段上以coarse阶段结果为起点，使用更短的扩散过程来大幅度提升复原速度与获取一致性结果。在人脸与自然环境等多种场景下，以修复、上色、去模糊三种经典复原任务为目标，两阶段方法在任何尺寸下皆可获得最高水平的输出结果。对于1 024尺寸的图像复原，采样次数需求仅需要同类方法的22%，速度达到了同类方法的4.5倍，避免了OOD问题，并且在PSNR与FID指标上达到最高水平。实验表明，所提方法对高分辨率图像的复原速度远高于其他方法，并且避免了OOD问题，具有良好的复原效果。

来源：2025年第8期

《计算机应用研究》期刊编辑部

查看计算机应用研究杂志2025年第8期