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:2505.00334

帮助 | 高级搜索

计算机科学 > 计算机视觉与模式识别

arXiv:2505.00334 (cs)
[提交于 2025年5月1日 (v1) ,最后修订 2025年5月5日 (此版本, v2)]

标题: 四元数小波条件扩散模型用于图像超分辨率

标题: Quaternion Wavelet-Conditioned Diffusion Models for Image Super-Resolution

Authors:Luigi Sigillo, Christian Bianchi, Aurelio Uncini, Danilo Comminiello
摘要: 图像超分辨率是计算机视觉中的一个基础问题,其应用范围从医学影像到卫星分析。 从低分辨率输入重建高分辨率图像的能力对于增强下游任务(如目标检测和分割)至关重要。 虽然深度学习显著推进了超分辨率(SR),但在高放大因子下实现具有精细细节和逼真纹理的高质量重建仍然具有挑战性。 最近利用扩散模型的方法展示了有希望的结果,但它们通常难以在感知质量与结构保真度之间取得平衡。 在这项工作中,我们引入了ResQu,这是一种新颖的SR框架,它将四元数小波预处理框架与潜在扩散模型相结合,并引入了一种新的四元数小波和时间感知编码器。 与之前简单地在扩散模型中应用小波变换的方法不同,我们的方法通过利用四元数小波嵌入来增强条件过程,这些嵌入在去噪的不同阶段动态集成。 此外,我们还利用了基础模型(如Stable Diffusion)的生成先验。 在特定领域数据集上的广泛实验表明,我们的方法实现了卓越的SR结果,在许多情况下,在感知质量和标准评估指标方面优于现有方法。 代码将在修订过程后提供。
摘要: Image Super-Resolution is a fundamental problem in computer vision with broad applications spacing from medical imaging to satellite analysis. The ability to reconstruct high-resolution images from low-resolution inputs is crucial for enhancing downstream tasks such as object detection and segmentation. While deep learning has significantly advanced SR, achieving high-quality reconstructions with fine-grained details and realistic textures remains challenging, particularly at high upscaling factors. Recent approaches leveraging diffusion models have demonstrated promising results, yet they often struggle to balance perceptual quality with structural fidelity. In this work, we introduce ResQu a novel SR framework that integrates a quaternion wavelet preprocessing framework with latent diffusion models, incorporating a new quaternion wavelet- and time-aware encoder. Unlike prior methods that simply apply wavelet transforms within diffusion models, our approach enhances the conditioning process by exploiting quaternion wavelet embeddings, which are dynamically integrated at different stages of denoising. Furthermore, we also leverage the generative priors of foundation models such as Stable Diffusion. Extensive experiments on domain-specific datasets demonstrate that our method achieves outstanding SR results, outperforming in many cases existing approaches in perceptual quality and standard evaluation metrics. The code will be available after the revision process.
评论: 接受在IJCNN 2025上展示
主题: 计算机视觉与模式识别 (cs.CV) ; 机器学习 (cs.LG)
引用方式: arXiv:2505.00334 [cs.CV]
  (或者 arXiv:2505.00334v2 [cs.CV] 对于此版本)
  https://doi.org/10.48550/arXiv.2505.00334
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Luigi Sigillo [查看电子邮件]
[v1] 星期四, 2025 年 5 月 1 日 06:17:33 UTC (21,697 KB)
[v2] 星期一, 2025 年 5 月 5 日 10:20:23 UTC (21,697 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
许可图标 查看许可
当前浏览上下文:
cs.CV
< 上一篇   |   下一篇 >
新的 | 最近的 | 2025-05
切换浏览方式为:
cs
cs.LG

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