이 논문은 확산 모델을 이용한 이미지 보간 기법을 제안한다. 기존의 구면 선형 보간 기법은 확산 모델로 생성된 이미지에는 잘 작동하지만, 자연 이미지에는 아티팩트가 발생하는 문제가 있다. 이는 자연 이미지의 잠재 변수가 기대 노이즈 분포를 따르지 않기 때문이다.
이를 해결하기 위해 저자들은 노이즈 수정 기법인 NoiseDiffusion을 제안한다. 구체적으로 NoiseDiffusion은 잠재 변수에 미세한 가우시안 노이즈를 추가하고 극단적인 노이즈 값을 억제하는 제약을 도입한다. 이를 통해 노이즈 유효성을 높여 아티팩트를 줄일 수 있다. 그러나 이 과정에서 원본 이미지 정보가 손실될 수 있다.
이를 해결하기 위해 NoiseDiffusion은 노이즈 이미지 공간에서 보간을 수행하고 원본 이미지 정보를 주입한다. 이를 통해 아티팩트 없이 원본 이미지 정보를 최대한 보존할 수 있다.
실험 결과, NoiseDiffusion은 기존 방법들에 비해 자연 이미지 보간 품질을 크게 향상시켰다. 특히 구면 선형 보간 기법에 비해 아티팩트가 크게 감소하였고, 노이즈 추가 기법에 비해 원본 이미지 정보를 더 잘 보존하였다.
toiselle kielelle
lähdeaineistosta
arxiv.org
Tärkeimmät oivallukset
by PengFei Zhen... klo arxiv.org 03-15-2024
https://arxiv.org/pdf/2403.08840.pdfSyvällisempiä Kysymyksiä