SRDiff论文讲解

2024-01-27

论文标题：Srdiff: Single image super-resolution with diffusion probabilistic models
来源： Neurocomputing 2022
贡献：
- 首次将diffusion用于图像超分，与SR3不同的是：SR3直接预测HR图像，而SRDiff预测LR和HR图像之间的差值，这使得DM能够专注于残差细节，加快收敛速度，稳定训练。其次，SRDiff将LR通过encoder后作为条件输入Unet。

1. 问题

以往的方案基于PSNR，GAN，flow，会出现过于平滑，模式崩溃，模型开销大等问题

2. 解决方案

将残差图像拿来做扩散
将LR通过encoder后作为条件

3. 实验

缺失模块。
1、请确保node版本大于6.2
2、在博客根目录（注意不是yilia根目录）执行以下命令：
npm i hexo-generator-json-content --save

3、在根目录_config.yml里添加配置：

  jsonContent:
    meta: false
    pages: false
    posts:
      title: true
      date: true
      path: true
      text: false
      raw: false
      content: false
      slug: false
      updated: false
      comments: false
      link: false
      permalink: false
      excerpt: false
      categories: false
      tags: true

很惭愧<br><br>只做了一点微小的工作<br>谢谢大家