GAN-Diff

混合GAN-扩散模型提升图像修复质量

研究人员开发了一个新颖的混合框架GAN-Diff，它结合了生成对抗网络（GANs）和扩散模型以增强图像修复。该方法利用预训练的带梯度惩罚的Wasserstein GAN（WGAN-GP）特征作为条件扩散U-Net中的先验。通过交叉注意力整合冻结的WGAN-GP生成器特征，该框架通过稳定有效的图像修复过程来指导扩散模型。在去噪和超分辨率任务上的评估显示出显著的改进，去噪的PSNR提高了4.40 dB，超分辨率提高了3.70 dB。