申请/专利权人:华南理工大学
申请日:2024-03-28
公开(公告)日:2024-05-03
公开(公告)号:CN117974450A
主分类号:G06T3/4076
分类号:G06T3/4076;G06T5/70;G06T5/60
优先权:
专利状态码:在审-实质审查的生效
法律状态:2024.05.21#实质审查的生效;2024.05.03#公开
摘要:本发明公开了一种基于梯度优化扩散模型的图像超分辨率方法、系统及介质,方法包括下述步骤:将像素空间投影至低维度的隐空间,在隐空间建立条件扩散模型的去噪重建过程;计算去噪中间变量与输入低分辨率图像的一致性约束;动态放缩去噪中间变量与输入低分辨率图像的一致性约束;使用梯度优化方法增强去噪中间变量与输入低分辨率图像的表示一致性;提取输入低分辨率图像的轮廓掩码作为定位引导信息,从而融合梯度优化前后的去噪变量;将完成去噪步数后得到的去噪变量的潜在表示通过预训练的解码器投影到像素空间,得到高分辨率的去噪图像。本发明可以有效解决图像超分辨率任务中的不稳定和不一致性的问题。
主权项:1.基于梯度优化扩散模型的图像超分辨率方法,其特征在于,包括下述步骤:A、将像素空间投影至低维度的隐空间,在隐空间建立条件扩散模型的去噪重建过程;B、在去噪重建过程的每个时间步,计算去噪中间变量与输入低分辨率图像的一致性约束,得到一致性约束P;C、在去噪重建过程的每个时间步,动态放缩去噪中间变量与输入低分辨率图像的一致性约束,得到局部放缩后的一致性约束Q;D、在去噪重建过程的每个时间步,使用梯度优化方法增强去噪中间变量与输入低分辨率图像的表示一致性;E、在去噪重建过程的每个时间步,提取输入低分辨率图像的轮廓掩码作为定位引导信息,从而融合梯度优化前后的去噪变量;F、迭代步骤B-E直至完成去噪步数,将完成去噪步数后得到的去噪变量的潜在表示通过预训练的解码器投影到像素空间,得到高分辨率的去噪图像。
全文数据:
权利要求:
百度查询: 华南理工大学 基于梯度优化扩散模型的图像超分辨率方法、系统及介质
免责声明
1、本报告根据公开、合法渠道获得相关数据和信息,力求客观、公正,但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解,仅供参考使用,不能作为本公司承担任何法律责任的依据或者凭证。