PulseAugur
中
实时 05:15:45
English(EN) Generative Manifold Distillation: Aligning Restoration Trajectories with Natural Image Prior

新方法将图像恢复模型与自然图像流形对齐

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了生成式流形蒸馏（GMD），这是一种新颖的方法，可以在无需配对真实数据的情况下，将图像恢复模型适应于新的、分布外的真实世界退化。GMD 利用冻结的文本到图像基础模型的生成动态，将低质量的目标观测与自然图像流形对齐，从而有效地创建高质量的伪目标。该方法通过质量门控流形滤波器和源锚定轨迹正则化来确保稳定性，防止误差累积。实验表明，GMD 仅使用低质量输入即可适应模型，在不改变架构或增加推理时间的情况下显著提高感知质量。 AI

影响 该方法可以提高图像恢复模型在现实场景中的鲁棒性和适应性。

排序理由 这是一篇详细介绍图像恢复新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新方法将图像恢复模型与自然图像流形对齐

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Yuyang Hu, Mojtaba Sahraee-Ardakan, Arpit Bansal, Kangfu Mei, Chenyang Qi, Peyman Milanfar, Mauricio Delbracio ·

    Generative Manifold Distillation: Aligning Restoration Trajectories with Natural Image Prior

    arXiv:2512.11121v2 Announce Type: replace Abstract: Pre-trained image restoration models often fail on out-of-distribution (OOD) real-world degradations. Adapting to these domains is challenging as real-world data lacks paired ground truth, and unsupervised methods often require …

相关话题