用于非盲图像去模糊的频率解耦扩散指导

预训练扩散模型为图像恢复中的无需训练后采样提供强大的图像先验。为了指导这一采样过程，频率感知方法逐步合并跨频段的测量信息，从而促进从粗到细的重建。然而，现有方法通常没有明确地将频率激活与退化引起的衰减分开，从而对不活动频率之间的衰减差异进行了不充分的建模。在这项工作中，我们提出了频率解耦后验引导，将频率激活与衰减感知频谱正则化分开。具体而言，渐进式从低到高的频率表确定了活动测量频段，而内核导出的衰减图则定义了优先于非活动组件的选择性频谱。为了稳定采样过程，我们还引入了局部轨迹正则器，可以抑制空间不规则的状态到干净的偏差。对于固定端点能量，我们提供 KL 正则化路径空间解释。在实践中，我们使用 Tweedie 插件近似通过局部能量修正来构建与时间相关的指导。自然图像基准实验证明，即使在较高的测量噪声水平下，在具有挑战性的非盲去模糊设置中也能表现出强大的 PSNR 和 SSIM 性能。