TPAMI 2025 | 北大、KAUST、字节联合提出“可逆扩散模型”赋能图像重建

文章预览

扩散模型作为一种强大的生成模型，已在图像重建任务中展现出巨大潜力。其基本原理是在训练阶段优化噪声估计网络（如UNet），并通过去噪和加噪过程完成图像生成。然而，如何提升扩散模型在图像重建中的性能与效率，仍是一个重要挑战。 在图像重建任务中，扩散模型面临两个主要问题：首先，噪声估计任务与图像重建任务之间存在偏差，限制了重建效果；其次，推理过程需要大量迭代步骤，导致速度慢、效率低。为解决这些问题，本文提出了可逆扩散模型（IDM），通过引入端到端训练框架和可逆网络设计，显著提升了图像重建的性能和效率。 论文标题：  Invertible Diffusion Models for Compressed Sensing 论文链接： https://arxiv.org/abs/2403.17006 开源代码： https://github.com/Guaishou74851/IDM 一、任务背景 扩散模型作为当前非常知名且强大的生成模型之一，已在 ………………………………