Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2507.05604

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2507.05604 (cs)
[提交于 2025年7月8日 ]

标题: 核密度引导:通过模式搜索进行图像修复的推理时间缩放

标题: Kernel Density Steering: Inference-Time Scaling via Mode Seeking for Image Restoration

Authors:Yuyang Hu, Kangfu Mei, Mojtaba Sahraee-Ardakan, Ulugbek S. Kamilov, Peyman Milanfar, Mauricio Delbracio
摘要: 扩散模型在图像恢复方面显示出前景,但现有方法常常在一致性和不良伪影方面遇到困难。 为了解决这个问题,我们引入了核密度引导(KDS),这是一种新颖的推理时间框架,通过显式局部模式搜索促进稳健、高保真输出。 KDS使用一个$N$粒子集合的扩散样本,从它们的集体输出中计算逐块核密度估计梯度。 这些梯度将每个粒子中的块引导至集合中识别出的共享、更高密度区域。 这种集体局部模式搜索机制,作为“集体智慧”,将样本从容易产生伪影的虚假模式中引导出来,这些模式可能由独立采样或模型不完善引起,并引导到更稳健、高保真的结构中。 这使我们能够在消耗更高计算资源的同时同时采样多个粒子,从而获得更高质量的样本。 作为一个即插即用的框架,KDS无需重新训练或外部验证器,可无缝集成到各种扩散采样器中。 广泛的数值验证表明,KDS在具有挑战性的现实世界超分辨率和图像修复任务中显著提高了定量和定性性能。
摘要: Diffusion models show promise for image restoration, but existing methods often struggle with inconsistent fidelity and undesirable artifacts. To address this, we introduce Kernel Density Steering (KDS), a novel inference-time framework promoting robust, high-fidelity outputs through explicit local mode-seeking. KDS employs an $N$-particle ensemble of diffusion samples, computing patch-wise kernel density estimation gradients from their collective outputs. These gradients steer patches in each particle towards shared, higher-density regions identified within the ensemble. This collective local mode-seeking mechanism, acting as "collective wisdom", steers samples away from spurious modes prone to artifacts, arising from independent sampling or model imperfections, and towards more robust, high-fidelity structures. This allows us to obtain better quality samples at the expense of higher compute by simultaneously sampling multiple particles. As a plug-and-play framework, KDS requires no retraining or external verifiers, seamlessly integrating with various diffusion samplers. Extensive numerical validations demonstrate KDS substantially improves both quantitative and qualitative performance on challenging real-world super-resolution and image inpainting tasks.
主题: 计算机视觉与模式识别 (cs.CV) ; 图像与视频处理 (eess.IV)
引用方式: arXiv:2507.05604 [cs.CV]
  (或者 arXiv:2507.05604v1 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2507.05604
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Yuyang Hu [查看电子邮件]
[v1] 星期二, 2025 年 7 月 8 日 02:33:44 UTC (32,378 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • HTML(实验性)
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
eess.IV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-07
切换浏览方式为:
cs
cs.CV
eess

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号