Exploiting Diffusion Prior for Real-World Image Super-Resolution

要約

我々は、ブラインド超解像（SR）のために、事前に訓練されたテキストから画像への拡散モデルにカプセル化された事前知識を活用する新しいアプローチを提示する。具体的には、時間認識エンコーダを用いることで、事前に訓練された合成モデルを変更することなく、有望な復元結果を得ることができる。拡散モデル固有の確率性によって引き起こされる忠実度の損失を改善するために、我々は制御可能な特徴ラッピングモジュールを導入し、ユーザが推論プロセス中にスカラー値を調整するだけで、品質と忠実度のバランスをとることを可能にする。さらに、事前に訓練された拡散モデルの固定サイズの制約を克服するために、漸進的な集約サンプリング戦略を開発し、あらゆるサイズの解像度に適応することを可能にする。合成ベンチマークと実世界ベンチマークの両方を用いた我々の手法の包括的な評価により、現在の最先端アプローチに対する優位性が実証された。

要約(オリジナル)

We present a novel approach to leverage prior knowledge encapsulated in pre-trained text-to-image diffusion models for blind super-resolution (SR). Specifically, by employing our time-aware encoder, we can achieve promising restoration results without altering the pre-trained synthesis model, thereby preserving the generative prior and minimizing training cost. To remedy the loss of fidelity caused by the inherent stochasticity of diffusion models, we introduce a controllable feature wrapping module that allows users to balance quality and fidelity by simply adjusting a scalar value during the inference process. Moreover, we develop a progressive aggregation sampling strategy to overcome the fixed-size constraints of pre-trained diffusion models, enabling adaptation to resolutions of any size. A comprehensive evaluation of our method using both synthetic and real-world benchmarks demonstrates its superiority over current state-of-the-art approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL