基于扩散的图像超分辨率模型：ResShift

zsyOAOA/ResShift: ResShift: Efficient Diffusion Model for Image Super-resolution by Residual Shifting (NeurIPS 2023 Spotlight) (github.com)

原论文分析：基于扩散的图像超分辨率模型：ResShift-优快云博客

核心要点：

1. 问题背景：

   • 图像超分辨率（SR）是低级视觉中的一个基本问题，旨在从低分辨率（LR）图像恢复高分辨率（HR）图像。
   • 现有的基于扩散模型的图像超分辨率方法由于需要数百甚至数千次采样步骤，推理速度较慢。
   • 尽管有一些加速采样技术，但这些技术往往会牺牲性能，导致超分辨率结果模糊。

2. 创新点：

   • 提出了一种新的高效扩散模型ResShift，用于图像超分辨率，通过残差移动显著减少扩散步骤的数量，消除了推理过程中加速带来的性能损失。
   • 构建了一个在高分辨率图像和低分辨率图像之间通过残差移动进行转换的马尔可夫链，大大提高了转换效率。
   • 设计了一种精细的噪声调度机制，灵活控制扩散过程中的移动速度和噪声强度。

3. <