Unsupervised image super-resolution recurrent network based on diffusion model

Ni Tang

doi:10.1016/j.image.2025.117398

Unsupervised image super-resolution recurrent network based on diffusion model

2025-08-20

0

PRE

AI

N

Ni Tang

张东晓 (Dongxiao Zhang) *

Y

Yanyun Qu

DOI：10.1016/j.image.2025.117398

原文链接

原文求助

摘要

En 中文

• 本文采用循环结构从无配对图像生成配对图像。实现了一个颜色一致性损失函数以确保生成的图像对具有真实的颜色和分布。 • 该论文引入了两个独立的扩散模型来学习图像重建和退化过程。这些模型增强了细节生成，从而产生具有更丰富细节的图像。 • 采用端到端训练方法优化两个分支。这使得伪配对图像能够辅助扩散模型学习高分辨率图像分布，同时使扩散模型能够改进循环网络的输出。

Keyword:

cyclic structure

color consistency loss

diffusion models

image reconstruction

end-to-end training

Unsupervised image super-resolution recurrent network based on diffusion model

摘要

期刊

机构

引用论文