Taming Diffusion Models for Image Restoration: A Review

要約

拡散モデルは、生成モデリング、特に人間の好みに合わせて画質を向上させる点で目覚ましい進歩を遂げました。
最近、これらのモデルは、画像のノイズ除去、ぼやけ除去、かすみ除去などのタスクにおけるフォトリアリスティックな画像復元 (IR) のための低レベルのコンピューター ビジョンにも適用されています。このレビュー ペーパーでは、拡散モデルと調査の主要な構造を紹介します。
一般的な IR タスクの解決に拡散モデルを利用する現代的な技術。
さらに、既存の普及ベースの IR フレームワークの主な課題と限界を指摘し、将来の取り組みの潜在的な方向性を提供します。

要約(オリジナル)

Diffusion models have achieved remarkable progress in generative modelling, particularly in enhancing image quality to conform to human preferences. Recently, these models have also been applied to low-level computer vision for photo-realistic image restoration (IR) in tasks such as image denoising, deblurring, dehazing, etc. In this review paper, we introduce key constructions in diffusion models and survey contemporary techniques that make use of diffusion models in solving general IR tasks. Furthermore, we point out the main challenges and limitations of existing diffusion-based IR frameworks and provide potential directions for future work.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google