论文
SCoRe：通过在噪声图像上训练的扩散模型生成清晰的图像
SCoRe: Clean Image Generation from Diffusion Models Trained on Noisy Images
摘要
在噪声数据集上训练的扩散模型通常会重现高频训练伪影，从而显着降低生成质量。为了解决这个问题，我们提出了 SCoRe（光谱截止再生），这是一种 无需训练 生成时间光谱再生方法，用于从在噪声图像上训练的扩散模型生成干净的图像。利用扩散模型的光谱偏差（从低频线索推断高频细节），SCoRe 通过频率截止抑制生成图像中损坏的高频分量，并通过 SDEdit 重新生成它们。至关重要的是，我们基于径向平均功率谱密度 (RAPSD) 推导了截止频率和 SDEdit 初始化时间步长之间的理论映射，这可以防止再生过程中注入过多的噪声。对合成 (CIFAR-10) 和真实世界 (SIDD) 噪声数据集的实验表明，SCoRe 的性能明显优于后处理和抗噪声基线，无需任何重新训练或 微调 即可将样本恢复为更接近干净的图像分布。