.png){kind=icon}
返回
RELD: Regularization by Latent Denoising
.png){kind=icon}
PRE
AI
DOI：10.1109/lsp.2026.3705374.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
扩散模型最近已作为最先进的生成模型出现。受去噪原理的启发，我们提出了基于潜在去噪的正则化方法（RELD），这是一种变分框架，通过半二次分裂集成一个经过去噪训练的潜在扩散模型。在满足各种成像应用中易于实现的适当条件下，这种方法能够在降低计算成本的同时实现高质量的结果。所提出的策略在自然图像数据集上进行了测试，用于图像去噪、去模糊和超分辨率任务，其性能与其他最先进技术相比具有竞争力，尤其在感知质量指标方面表现出色。
Keyword:
Modeling
Noise reduction
Optimization
Inverse problems
Image restoration
Measurement
Diffusion models
Superresolution
Conferences
PSNR
latent space
inverse problems
image restoration
regularization by denoising
期刊
I
IF:
3.9
论文数:
784
被引数:
0
机构
查看更多机构
引用论文
暂无论文信息