PulseAugur
实时 06:50:21
English(EN) ScaleResfusion: Residual Rectified Flow based on Residual Vector Field

ScaleResfusion:可扩展图像恢复的新型扩散框架

研究人员推出了一种名为ScaleResfusion的新型扩散框架,专为可扩展的真实世界图像恢复而设计。该方法基于预训练的文本到图像校正流模型,并引入了残差校正流技术。通过学习残差向量场,该框架实现了参数高效的微调,并与现有模型保持一致。ScaleResfusion旨在提高图像恢复任务的质量和效率。 AI

影响 为将大型预训练扩散模型应用于真实世界图像恢复任务引入了一种更高效、可扩展的方法。

排序理由 该集群包含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.AI 阅读 →

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

ScaleResfusion:可扩展图像恢复的新型扩散框架

报道来源 [1]

  1. arXiv cs.AI TIER_1 English(EN) · Zhenning Shi, Chen Xu, Junhao Zhang, Kefei Zhang, Linjie Liu, Zhedong Zheng, Tao Li ·

    ScaleResfusion:基于残差向量场的残差校正流

    arXiv:2607.25275v1 Announce Type: cross Abstract: Real-world Image Restoration (Real-IR) aims to recover high-quality (HQ) images from complex and unknown degradations. Although recent diffusion-based methods have substantially improved perceptual quality, their current designs l…