顶刊TPAMI 2025 | 北大、KAUST、字节联合提出“可逆扩散模型”赋能图像重建，代码已开源！

文章预览

本篇文章来自公众号粉丝投稿，论文提出了一种可逆扩散模型（Invertible Diffusion Models，IDM）。这一方法通过引入（1）端到端的训练框架与（2）可逆网络设计，有效提升了图像重建的性能与效率。 一、论文信息 论文标题：Invertible Diffusion Models for Compressed Sensing 论文作者：Bin Chen（陈斌）, Zhenyu Zhang（张振宇）, Weiqi Li（李玮琦）, Chen Zhao（赵琛）, Jiwen Yu（余济闻）, Shijie Zhao（赵世杰）, Jie Chen（陈杰） and Jian Zhang（张健） 作者单位：北京大学信息工程学院、阿卜杜拉国王科技大学、字节跳动 发表刊物：IEEE Transactions on Pattern Analysis and Machine Intelligence (TPAMI) 发表时间：2025年2月5日 正式版本：https://ieeexplore.ieee.org/document/10874182 ArXiv版本：https://arxiv.org/abs/2403.17006 开源代码：https://github.com/Guaishou74851/IDM 二、任务背景 扩散模型作为当前非常知名且强大的生 ………………………………