Core Concepts
본 논문은 조건부 확산 모델과 확률 흐름 샘플링을 이용하여 효율적이고 일관성 있는 고해상도 이미지 복원 방법을 제안한다.
Abstract
본 논문은 고해상도 이미지 복원을 위한 효율적인 조건부 확산 모델을 제안한다.
연속 시간 조건부 확산 모델을 설계하여 확률 흐름 샘플링을 통해 효율적인 고해상도 이미지 생성이 가능하도록 한다.
노이즈 예측과 깨끗한 데이터 예측을 혼합한 하이브리드 매개변수화를 제안하여 생성된 이미지의 일관성을 향상시킨다.
이미지 품질 손실 함수를 추가하여 생성된 고해상도 이미지의 품질을 더욱 개선한다.
DIV2K, ImageNet, CelebA 데이터셋에 대한 실험 결과, 기존 확산 기반 고해상도 이미지 복원 방법보다 높은 품질의 결과를 얻으면서 더 낮은 시간 소요로 수행할 수 있음을 보여준다.
Stats
저해상도 입력 이미지 y를 이용하여 고해상도 이미지 x를 복원할 수 있다.
제안 방법은 기존 확산 기반 고해상도 이미지 복원 방법보다 LPIPS 지표에서 더 우수한 성능을 보인다.
제안 방법은 기존 확산 기반 고해상도 이미지 복원 방법보다 더 빠른 추론 속도를 보인다.
Quotes
"본 논문은 조건부 확산 모델과 확률 흐름 샘플링을 이용하여 효율적이고 일관성 있는 고해상도 이미지 복원 방법을 제안한다."
"제안 방법은 기존 확산 기반 고해상도 이미지 복원 방법보다 LPIPS 지표에서 더 우수한 성능을 보인다."
"제안 방법은 기존 확산 기반 고해상도 이미지 복원 방법보다 더 빠른 추론 속도를 보인다."