PulseAugur
中
实时 17:07:13

SONIC 方法优化噪声以实现高级图像修复

作者 PulseAugur 编辑部 · [1 个来源] ·

研究人员开发了 SONIC，一种使用现有文本到图像模型进行图像修复的新型无训练方法。该技术优化初始噪声样本，以高效地重建未遮罩的图像。关键创新包括一种线性近似方法，可以在不进行昂贵展开的情况下将噪声与模型输出相关联，以及用于稳定优化的谱预处理。据报道，SONIC 在各种修复任务上的表现优于最先进的方法。 AI

影响 该方法可以通过利用现有文本到图像模型而无需重新训练，从而提高图像修复任务的效率和质量。

排序理由 该集群包含一篇详细介绍图像修复新方法的论文。[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 →

SONIC 方法优化噪声以实现高级图像修复

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Seungyeon Baek, Erqun Dong, Shadan Namazifard, Mark J. Matthews, Kwang Moo Yi ·

    SONIC：用于修复的噪声谱优化与一致性

    arXiv:2511.19985v3 Announce Type: replace Abstract: We propose a novel training-free method for inpainting with off-the-shelf text-to-image models. While guidance-based methods in theory allow generic models to be used for inverse problems such as inpainting -- in practice their …

相关实体

相关话题