用于模糊图像复原的逆热扩散动态时间步预测

当使用扩散模型来解决图像恢复问题时，通常采用扩散反演来保留退化图像中的相关图像信息。许多方法不是反转回初始时间步长（即 T），而是反转到预定的中间时间步长，以便更好地保留来自退化源图像的信息。然而，用于反演的预定时间步长对于重建来说并不理想，因为严重退化的图像需要比轻度退化的图像更早的开始时间步长。此外，基于 DDIM 的模型通过添加高斯噪声来破坏原始信号，这可能与模糊、雾霾和低光等模糊退化的性质不匹配。为了解决这些问题，我们提出了两种解决方案：（1）我们采用另一种扩散过程，称为逆散热模型，通过逐渐模糊数据点来扩散输入图像（2）我们建议实现一个时间预测器来估计反演的起始时间步，模型学习适应退化严重程度。对标准基准的大量实验表明，我们的方法在定量和定性评估方面都实现了最先进的性能，并且对许多恢复任务具有出色的泛化能力。