LearnIR突破传统限制:多数据集实验PSNR大幅提升,5步采样高效复原图像!

《算法设计与分析》全套PPT课件(哈尔滨工程大学) 立即下载

LearnIR能否解决真实场景图像复原难题?

ICLR(International Conference on Learning Representations)是聚焦机器学习与深度学习等领域的国际顶级学术会议,致力于推动人工智能理论与方法的前沿研究与创新发展。本文入选ICLR 2026,ICLR 2026有19525篇投稿,接收率约27.4%。

1. 论文聚焦的问题

本文主要针对真实世界图像复原问题,即从受到复杂退化(如雾霾、阴影、噪声、运动模糊等)影响的图像中恢复出高质量、高保真的清晰图像。真实世界中的成像环境往往引入多种异质退化,且这些退化常常同时出现并相互交织,使得图像复原成为一个经典的病态逆问题。现有基于扩散模型的图像复原方法存在三类核心限制:条件生成方法难以在忠实复原和真实生成之间取得平衡;基于反演的方法将退化图像反演到潜空间的过程中会累积误差,导致与输入明显偏差,且效率低下;后验采样方法(如DPS)需要精确已知的前向测量算子A(例如高斯模糊核、随机掩码等),但在真实场景中该算子通常不可获得,严重限制了实际应用。

2. 核心贡献与效果概览

2.1 核心贡献

一是提出可学习的扩散后验采样框架(LearnIR),通过训练轻量级网络直接预测后验采样中的梯度校正项分布,无需已知前向退化算子即可实现扩散后验采样校正,从根本上突破了传统DPS方法的关键限制。二是提出扩散后验采样校正(DPSC),利用高斯分布的封闭性,证明了前向过程真实后验与模型预测反向分布之间的偏差服从高斯分布,进而可以通过训练一个轻量网络来拟合该偏差的均值,作为即插即用的正则化项校正扩散轨迹,消除采样过程中的结构偏差和色偏等不一致性。三是设计动态分辨率模块(DRM),采用时间依赖的动态分辨率调度策略,在像素空间中实现“从粗到细”的采样过程——高噪声阶段使用低分辨率捕获全局上下文,低噪声阶段恢复高分辨率精修纹理细节,无需预训练VAE即可简化端到端流水线并降低计算开销。

2.2 关键理论

论文的核心定理(Theorem 1)证明:在DRM潜空间中,DPS梯度正比于模型预测的反向分布与真实前向后验之间的偏差。利用高斯分布的封闭性,该偏差可以建模,其中均值μ和方差σ²均有解析闭式解。通过训练网络μ_θ去拟合解析均值μ,可以有效地引导采样轨迹与真实后验对齐。

2.3 效果预览

本文公式推导比较多,想了解细节的同学可以直接看原文附录推导过程。第一排是原始图,第二排是对应处理后的图。在去雾和去阴影数据集上和一些其他模型也有对比效果。

3. 论文提出的方法

3.1 动态分辨率模块(DRM)

定义时间依赖的缩放因子s(t),在不同扩散时间步将图像映射到不同分辨率的潜空间。早期阶段(t≥T/2)对图像进行大尺度下采样(S=Sdown),聚焦全局结构建模;后期阶段(t≤T/2)恢复原始分辨率(S=Sup),精修高频纹理细节。使用高效的非可训练双线性插值实现,无需预训练VAE,显著降低计算成本。

3.2 扩散后验采样校正(DPSC)

在标准去噪损失之外引入一致性正则化项,去噪损失约束噪声预测网络ε_θ准确估计残差噪声;一致性损失约束校正网络μ_θ拟合前向 - 反向后验偏差的解析均值。总损失函数有特定公式。推理时,DPSC作为即插即用模块,在每个采样步骤通过μ_θ预测梯度校正,自适应修正扩散轨迹。

3.3 训练与推理

训练采用两阶段策略,Stage 1固定分辨率训练(DRM关闭),聚焦学习DPSC梯度校正;Stage 2开启DRM,以更小学习率在动态分辨率下微调。推理基于残差扩散的平滑等效变换确定稳定采样起点T',仅需5步采样即可生成高质量结果。

4. 实验结果展示

4.1 数据集与设置

实验在5个数据集上进行:ISTD(阴影去除)、O - HAZE/HazyDet/REVIDE(去雾)以及新构建的FaceShadow数据集(人脸阴影去除,含30,000对合成数据 + 1,000对真实数据)。所有评估在单张A100 GPU上完成,采样步数仅为5步。

4.2 阴影去除(ISTD数据集)

LearnIR在mask - based方法中取得最佳表现,与mask - free最优方法相比也具有竞争力。

4.3 去雾任务(O - HAZE / HazyDet / REVIDE)

LearnIR在三个去雾数据集上全面超越所有对比方法,在O - HAZE上PSNR提升 +2.27 dB,在HazyDet上PSNR提升 +1.65 dB且SSIM提升 +0.124。

4.4 人脸阴影去除(自建的FaceShadow数据集)

LearnIR在合成和真实人脸阴影数据上均大幅领先,PSNR分别提升 +2.44 dB和 +1.71 dB。

4.5 消融实验

消融实验验证了DPSC和DRM两个模块的有效性。去除DPSC导致PSNR下降4.4 dB,说明后验采样校正对消除轨迹不一致至关重要;去除DRM导致PSNR下降1.27 dB,验证了动态分辨率策略对全局结构保持的重要性;同时去除两者,性能大幅下降至22.86 dB,证明两个模块协同配合才能达到最优效果。

4.6 计算效率

DRM使用非可训练的双线性插值,计算开销几乎为零。完整模型仅需5步采样,总推理时间约1.6秒。蓝图实验室主要负责移动影像算法创新,包括图像/视频处理、图像/视频交互、图像/视频增强、多模态理解大模型等方面的技术前沿探索。它致力于不断提升vivo移动影像的算法能力,使用户能够拍摄出更加清晰、美观的照片和视频。同时积极探索增强现实、具身智能等新兴技术领域的应用,努力为用户提供更加丰富和便捷的影像体验。那么,LearnIR未来是否会在更多场景得到应用呢?这值得大家持续关注。

Delphi 13.2控件之msquic4d.rar 立即下载

相关推荐

openworker(Python)

「openworker(Python)」是开源项目(Python)。源码完整,下载解压即可查看使用,适合学习参考、课程设计与二次开发。

基于后验采样的图像恢复方法LearnIR:人脸去阴影、去雾

利用高斯分布的封闭性,证明了前向过程真实后验与模型预测反向分布之间的偏差服从高斯分布,进而可以通过训练一个轻量网络来拟合该偏差的均值,作为即插即用的正则化项校正扩散轨迹,消除采样过程中的结构偏差和色偏等不一致性。设计了时间依赖的动态分辨率调度策略,在像素空间中实现"从粗到细"的采样过程——高噪声阶段使用低分辨率捕获全局上下文,低噪声阶段恢复高分辨率精修纹理细节,无需预训练VAE即可简化端到端流水线并降低计算开销。,且这些退化常常同时出现并相互交织,使得图像复原成为一个经典的病态逆问题。

nVej77DPs的博客 236

Rosenbrock 优化实验:GD、PSO 与 GA 的收敛对比matlab代码.rar

Rosenbrock 优化实验:GD、PSO 与 GA 的收敛对比matlab代码.rar

多目标粒子群算法求解综合能源系统最优容量配置研究(Matlab代码实现)

内容概要:本文研究了基于多目标粒子群算法(MOPSO)求解综合能源系统(IES)中最优容量配置的方法,并提供了完整的Matlab代码实现。研究旨在通过优化风电机组、光伏机组、燃气轮机、储能系统等多种能源设备的容量配置,实现系统在经济性、环保性和能源利用率等方面的多目标平衡。文中构建了综合能源系统容量配置的数学模型,明确了以最低综合成本、最小碳排放为核心的目标函数,以及能量供需平衡、设备出力能力等关键约束条件,并详细阐述了MOPSO算法的实现流程,包括种群初始化、非支配排序、拥挤距离计算和外部存档更新等核心机制。最后,通过Matlab平台的仿真实验验证了该方法的有效性,结果表明该算法能够生成分布均匀且具有良好多样性的Pareto最优解集,为决策者根据不同侧重点选择最终方案提供了科学依据。; 适合人群:具备一定电力系统、优化算法和Matlab编程基础的研究生、科研人员及工程技术人员。; 使用场景及目标:① 学习和掌握综合能源系统容量配置问题的建模方法;② 深入理解多目标粒子群算法(MOPSO)的核心原理及其在实际工程优化问题中的应用;③ 获取可直接运行和修改的Matlab代码,用于复现研究成果或进行二次开发。; 阅读建议:建议读者在阅读时,首先理解综合能源系统的背景和优化问题的数学建模过程,然后结合提供的Matlab代码,逐步跟踪算法的执行流程,重点关注目标函数和约束条件的代码实现,以及MOPSO算法中非支配排序和拥挤距离计算等核心模块。为了更好地掌握,可以尝试调整算例参数、增减优化目标或修改算法参数,观察结果的变化。

STM32 Modbus RTU 主站项目实战-多从站轮询、超时重试与断线自恢复,一个能长期跑的主站调度器

多从站轮询、超时重试与断线自恢复,一个能长期跑的主站调度器。适用:STM32F103C8T6 + 标准外设库,RS485 半双工总线,下挂变频器、电表、温控器。19 步完整工程 · 主站状态机 · 调度表 · 寄存器镜像双缓冲 · 断线降频重试 · 18 例故障速查。v1.0 · 嵌入式工程实战教程。从站是应答方,主站是发起方;发起方一旦没有调度,总线就会僵住。单从站能跑通,多从站就乱:谁先发、发完等多久、超时怎么退、某一个站掉线会不会拖死整条总线。答案不在协议里,在一个按时间戳推进的主站调度器里——本教程从空工程写到能长期运行

数字政府政务服务AI大模型赋能智能体平台及AI场景应用规划方案(决策评审版).pptx

数字政府政务服务AI大模型赋能智能体平台及AI场景应用规划方案(决策评审版).pptx

PSO-LSTM基于PSO优化LSTM网络的电力负荷预测(Python代码实现)

内容概要:本文提出了一种基于粒子群优化算法(PSO)优化长短期记忆网络(LSTM)的电力负荷预测方法,并通过Python代码实现了完整的模型构建与仿真验证。该方法利用PSO算法全局寻优的能力,自动优化LSTM网络的关键超参数,如学习率、隐含层节点数、训练迭代次数等,从而克服传统LSTM依赖人工调参导致的预测精度不高和收敛速度慢的问题。文中详细阐述了PSO-LSTM混合模型的架构设计、算法流程及其实现细节,结合实际电力负荷数据进行了实验验证,结果表明该模型在预测精度、稳定性与泛化能力方面均优于标准LSTM及其他传统预测模型,尤其适用于短期电力负荷预测任务。; 适合人群:具备一定Python编程基础和机器学习理论知识,从事电力系统分析、能源管理、智能电网调度及相关领域研究的研发人员、工程技术人员及高校研究生。; 使用场景及目标:①应用于电力系统短期负荷预测,提升电网运行调度的科学性与经济性;②为能源管理系统提供高精度负荷数据支持,优化发电计划与资源配置;③作为智能优化算法与深度学习融合的教学案例,帮助学习者掌握PSO与LSTM协同建模的方法与实践技巧;④为后续研究提供可复现的代码基础和技术参考。; 阅读建议:建议读者结合提供的Python代码,动手复现整个建模与训练过程,深入理解PSO优化机制与LSTM网络结构的耦合方式,并尝试在不同时间尺度和负荷场景的数据集上进行迁移测试,以全面评估模型的适应性与鲁棒性。

T18_低空经济示范区十五五通感一体化低空智联网与飞行服务保障体系设计方案_生态合作版.pptx

T18_低空经济示范区十五五通感一体化低空智联网与飞行服务保障体系设计方案_生态合作版.pptx

基于粒子群优化算法的三方三层的主从博弈能源系统优化模型研究(Matlab代码实现)

内容概要:本文研究了基于粒子群优化算法的三方三层主从博弈能源系统优化模型,旨在通过Matlab代码实现对包含风、光、火、储等多种能源形式的综合能源系统进行优化调度。该模型构建了包含能源供应商、运营商与用户三类主体的多层次博弈架构,引入主从博弈机制,将不同参与者划分为领导者与跟随者角色,并在不完全信息环境下采用Epsilon纳什均衡策略实现多方利益协调。结合多目标粒子群优化算法,有效解决了系统运行成本、峰谷差与碳排放等多重目标间的权衡问题。研究进一步整合了需求响应与电能转气(P2G)等灵活性资源,提升了系统调节能力,并通过IEEE39等标准系统进行潮流计算与电能质量分析,验证了模型在提升综合能源系统经济性、稳定性与环保性方面的有效性。; 适合人群:具备电力系统、优化算法及博弈论基础知识的科研人员与研究生;从事能源系统优化、智能调度及相关领域研究的专业技术人员;有志于复现高水平期刊论文成果并开展创新性研究的硕博生。; 使用场景及目标:① 学习并掌握主从博弈在综合能源系统中的建模方法与求解流程;② 理解多目标粒子群算法在复杂能源调度问题中的应用技巧;③ 掌握需求响应、P2G等灵活性资源在系统优化中的集成方式;④ 借助Matlab代码复现IEEE39系统的潮流计算与电能质量分析过程,支撑科研项目或学术论文撰写。; 阅读建议:本资源以Matlab代码为核心载体,强调理论建模与仿真实践的深度融合。建议读者在学习过程中结合博弈论与智能优化算法的基础理论,逐步调试代码并分析关键参数的影响,重点关注Epsilon纳什均衡的实现逻辑与多目标优化的收敛特性,从而深入理解能源系统协同优化的内在机制。

T04_城市生命线AI智能体平台及AI大模型应用场景规划方案_技术方案版.pptx

T04_城市生命线AI智能体平台及AI大模型应用场景规划方案_技术方案版.pptx

EPLAN自动成图与报表实战合集 API批量成图脚本+端子表电缆表自动生成

内容概要:EPLAN自动成图与报表自动生成实战合集,含2篇原创:API批量成图脚本骨架(对象模型+可运行C#代码+三个必踩坑+42页从3.5小时压到11分钟实测)、端子表/电缆表/部件清单报表自动生成(配置逻辑+翻车点+提效数据)。适用人群:电气设计工程师、成套厂制图员、EPLAN二次开发。使用场景:图纸批量生成提效、报表自动化。原创整理。

复现基于全局积分滑模控制(GISMC)的欠驱动自主水下航行器(AUV)水平轨迹跟踪控制研究(Simulink仿真、Matlab代码实现)

内容概要:本文研究了基于全局积分滑模控制(GISMC)的欠驱动自主水下航行器(AUV)水平轨迹跟踪控制方法,通过Simulink仿真与Matlab代码实现对该控制策略进行复现与验证。针对欠驱动AUV系统存在的模型不确定性与外部干扰问题,设计了全局积分滑模控制器,有效提升了轨迹跟踪精度与系统鲁棒性,克服了传统滑模控制存在的稳态误差与抖振问题。该控制器通过引入积分项增强了对持续干扰的抑制能力,并确保系统在整个状态空间内实现渐近收敛。仿真结果表明,在复杂海洋环境下,所提方法能够实现对期望轨迹的高精度跟踪,具备优良的动态响应性能与抗干扰能力,适用于AUV在水平面内的精确导航与控制任务。; 适合人群:具备自动控制理论基础、海洋工程背景或从事无人系统控制研究的科研人员,以及熟悉Matlab/Simulink仿真工具的自动化、船舶与海洋工程等相关专业的研究生与工程师。; 使用场景及目标:①用于解决欠驱动AUV在未知扰动下的轨迹跟踪控制问题;②为滑模控制在非线性、强耦合系统中的应用提供仿真验证案例;③推动先进控制算法在水下机器人系统中的工程化实现。; 阅读建议:读者应结合Matlab代码与Simulink模型进行仿真操作,重点关注滑模面设计、控制律推导与参数整定过程,建议在复现基础上尝试引入不同干扰条件或优化控制结构,以深入理解GISMC的控制机理与鲁棒特性。

威百威9000V6商业管理软件-210930稳定版本

支持扫码支付

主动配电网故障恢复的重构与孤岛划分统一模型研究升级版本(Matlab代码实现)

内容概要:本文针对主动配电网在故障情况下的恢复问题,提出了一种网络重构与孤岛划分的统一优化模型,旨在通过协同优化配电网的拓扑结构与分布式电源形成的可控孤岛,最大限度恢复关键负荷供电,提升系统韧性。该模型充分考虑了分布式电源出力特性、负荷分级需求以及配电网辐射状运行等多重约束,构建了以负荷恢复最大化和网络损耗最小化为目标的混合整数非线性规划问题,并采用高效的优化算法进行求解。研究通过Matlab编程实现了完整的模型求解与仿真验证,结果表明所提方法能有效协调重构与孤岛策略,显著提高故障后的供电恢复能力和系统运行的稳定性。; 适合人群:具备电力系统分析、优化理论及Matlab编程基础,从事主动配电网、分布式能源集成、电网韧性提升或智能电网故障恢复等相关领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于高比例分布式电源接入的现代配电网故障应急处置与恢复决策;②为提升电网应对极端事件的能力提供先进的理论模型与技术方案;③通过Matlab代码复现与仿真,深入学习和掌握配电网重构、孤岛划分及综合优化的前沿算法。; 阅读建议:建议读者结合电力系统潮流计算、图论基础和优化建模知识进行学习,重点理解模型中目标函数的设计理念、各类物理约束(如潮流、辐射状、孤岛连通性)的数学表征方法,以及求解算法的实现逻辑。务必动手运行并调试所提供的Matlab代码,通过改变网络参数和故障场景来探究模型的适应性和性能边界。

旋转中心标定诊断工具(视觉标定失败定位+Kasa圆拟合)

机器视觉旋转中心标定失败诊断工具:Kasa圆拟合求旋转中心+四类失败原因自动定位(标定点共线/旋转角步集中/拟合残差大/像素机器人映射方向反),含README与示例数据,仅依赖numpy,源自真实产线客诉排查经验。

【微机电系统】基于SOI工艺的MEMS微镜芯片设计:3D视觉中激光扫描与点云生成的核心组件

内容概要:本文系统阐述了MEMS微镜芯片在机器3D视觉系统中的核心作用,将其类比为“微米级扫描瞳孔”,重点解析其在三维深度相机、激光雷达(LiDAR)、AR光机及光通信等场景中的工作原理与关键技术。文章从应用场景切入,深入剖析MEMS微镜的双轴谐振结构、驱动机制(静电/压电/电磁/电热)、扫描模式(光栅与李萨如)及闭环控制,并详细说明基于SOI晶圆的材料体系、深反应离子刻蚀(DRIE)与晶圆级真空封装工艺对性能的影响。进一步提出CMF(颜色-材料-表面处理)在芯片层面的转译逻辑,强调面形精度、反射率、动态形变与多物理场耦合的协同优化。最后针对四类典型应用场景构建差异化选型准则,指出镜面口径、扫描角与谐振频率之间存在强耦合硬约束,整机点云性能上限在芯片选型阶段即已确定。; 适合人群:从事光电系统、MEMS器件设计、自动驾驶感知硬件、工业视觉及微纳制造的研发工程师与技术人员,具备一定的光学、机械与材料基础知识。; 使用场景及目标:①理解MEMS微镜在3D视觉系统中的功能定位及其与替代技术(如机械转镜、Flash、OPA)的适配边界;②掌握器件从结构设计、材料工艺到封装测试的全流程关键技术与性能约束关系;③建立面向不同应用场景的科学选型方法论,避免因参数定义不清或单点优化导致系统级失败; 阅读建议:此资源兼具技术深度与工程实用性,建议结合图表(尤其是五幅核心工程图)与附录术语表进行精读,重点关注“工艺-性能”因果链与多目标冲突的权衡逻辑,在实际项目中应用于器件选型、系统集成与失效分析。

塔式熔盐光热朗肯循环电站建模!并且搭建了Simulink模型!!

内容概要:本文详细介绍了塔式熔盐光热朗肯循环电站的建模过程,并基于Simulink搭建了相应的仿真模型,旨在对太阳能热发电系统进行动态仿真与性能分析。通过建立太阳能集热、熔盐传热、蒸汽朗肯循环及发电等关键环节的数学模型,实现对整个电站能量转换过程的精确模拟,为系统优化设计、控制策略研究及运行调度提供技术支持。该模型有助于提升清洁能源系统的仿真精度与研究效率。; 适合人群:从事新能源发电、电力系统仿真、热能工程及相关领域的研究人员、高校师生及工程技术人员。; 使用场景及目标:①用于塔式光热电站的系统级仿真与动态特性分析;②支撑热电联产、多能互补系统及综合能源系统优化调度研究;③为新型控制策略(如温度控制、功率调节)的验证提供平台; 阅读建议:此资源以Simulink仿真为核心,建议读者结合相关热力学与电力系统知识,逐步理解各模块建模原理,并通过调整参数进行仿真实验,深入掌握光热电站的运行机制与优化潜力。

PrimeTime生成.lib竟暗藏PG添加Bug

1. 确认原始库中是否包含PG引脚的定义。2. 查阅PrimeTime的write_lib命令文档,寻找相关选项。3. 在生成库时使用正确的选项,例如-include_pg_pins或类似参数。4. 验证生成的.lib文件是否包含pg_pin部分。

limanjihe的专栏 1922
上一篇: 优必选U1机器人预售火爆,家庭陪伴愿景能否照进现实?
下一篇: Manticore嵌入速度提升14倍:重构ONNX路径,解锁高效性能
IT界那些事儿
博客等级 码龄6年 2万+粉丝 22原创
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付:10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值