实体
DiffPIR
DiffPIR
PulseAugur coverage of DiffPIR — every cluster mentioning DiffPIR across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
Physics-Guided Flow Matching 推动 CT 图像重建
研究人员开发了一种使用 Physics-Guided Flow Matching 的新 CT 图像重建方法，这是扩散模型的一种替代方案。该方法在高分辨率 CT 图像上训练 Flow Matching 模型，并采用两阶段训练策略以提高保真度。研究表明，在图像质量和效率方面，基于 Flow Matching 的重建方法始终优于基于扩散的技术，所需的采样步骤更少。该训练模型和代码将被发布，以支持该领域的未来研究。
-
新的扩散模型技术加速视频恢复和图像采样
研究人员开发了改进扩散模型以解决各种逆问题的[新方法](https://arxiv.org/abs/2405.18483)。一种名为AVIS的方法使用自回归扩散模型来加速视频恢复，显著降低延迟并提高吞吐量。另一项开发LAMP通过结合滞后时间校正来增强用于图像恢复任务的扩散后验采样器。此外，Stein Diffusion Guidance (SDG) 提供了一个无训练的后验校正框架，能够更有效地指导低密度区域，用于图像生成和蛋白质对接等任务。