新的FDIR架构平衡图像恢复保真度和人类偏好

研究人员推出了一种新颖的两阶段架构FDIR，旨在通过平衡像素级保真度、人类感知和下游机器偏好来提高图像恢复质量。该架构首先使用质量引导单步流匹配（QO-Flow）来恢复全局语义结构，然后采用流条件细节细化（FCDR）来恢复高频纹理，同时最大限度地减少生成性幻觉。实验表明，FDIR在保真度方面优于现有方法，并提供了有利的感知-保真度平衡以及具有竞争力的机器偏好。 AI

影响 这项研究提供了一种新的图像恢复方法，该方法平衡了多个评估标准，有可能改善需要高保真度和感知质量的领域的应用。

排序理由 该集群包含一篇详细介绍图像恢复新技术方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

• alphaXiv
• arXiv
• CatalyzeX
• DagsHub
• Flow-Conditioned Detail Refinement
• Gotit.pub
• Hugging Face
• QO-Flow
• ScienceCast

• 论文
• 其他

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