DiffIR

DiffIR

创新扩散模型提升图像修复效率

DiffIR是一种专为图像修复设计的创新扩散模型。它结合了紧凑的图像修复先验提取网络、动态图像修复变换器和去噪网络,相比传统扩散模型实现了更快速、稳定的图像恢复。在多项图像修复任务中,DiffIR展现出最先进的性能,同时大幅降低计算成本,为图像修复技术开辟了新的发展方向。

DiffIR图像恢复扩散模型ICCV2023深度学习Github开源项目

DiffIR:高效的图像恢复扩散模型(ICCV2023)

论文 | 项目页面 | 预训练模型

新闻

  • 2023年12月19日: 我们提出了基于参考的DiffIR(DiffRIR),以缓解图像编辑(如修复和扩展)过程中生成区域和保留区域之间的纹理、亮度和对比度差异。所有训练和推理代码以及预训练模型(x1、x2、x4)已在Github上发布。
  • 2023年9月10日: 对于真实世界的超分辨率,我们发布了x1和x2预训练模型。
  • 2023年9月6日: 对于真实世界的超分辨率和SRGAN,我们可以测试没有GT图像的LR图像推理
  • 2023年8月31日: 对于真实世界的超分辨率和SRGAN任务,我们更新了2倍超分辨率训练文件。
  • 2023年8月28日: 对于真实世界的超分辨率任务,我们发布了更注重感知而非失真的预训练模型RealworldSR-DiffIRS2-GANV2训练文件,可用于AIGC生成图像的超分辨率。
  • 2023年7月20日: 训练和测试代码以及预训练模型已发布!
<hr />

摘要: 扩散模型(DM)通过将图像合成过程建模为去噪网络的连续应用,实现了最先进的性能。然而,与图像合成不同,图像恢复(IR)有强烈的约束,要求生成的结果与真实图像一致。因此,对于IR来说,传统DM在大型模型上运行大量迭代来估计整个图像或特征图是低效的。为解决这个问题,我们提出了一种高效的IR扩散模型(DiffIR),它由紧凑的IR先验提取网络(CPEN)、动态IR转换器(DIRformer)和去噪网络组成。具体来说,DiffIR有两个训练阶段:预训练和训练DM。在预训练中,我们将真实图像输入CPEN${S1}$以捕获紧凑的IR先验表示(IPR)来指导DIRformer。在第二阶段,我们训练DM仅使用低质量图像直接估计与预训练CPEN${S1}$相同的IRP。我们观察到,由于IPR只是一个紧凑的向量,DiffIR可以使用比传统DM更少的迭代次数来获得准确的估计,并生成更稳定和逼真的结果。由于迭代次数很少,我们的DiffIR可以采用CPEN$_{S2}$、DIRformer和去噪网络的联合优化,这可以进一步减少估计误差的影响。我们在几个IR任务上进行了广泛的实验,在消耗更少计算成本的同时实现了最先进的性能。

<p align="center"> <img width="800" src="https://yellow-cdn.veclightyear.com/0a4dffa0/8c8e0868-036c-4b0c-9734-7bb4dd1c45f5.jpg"> </p>

安装

对于修复任务,请参见pip.sh以安装运行DiffIR所需的依赖项。

对于基于GAN的单图像超分辨率,请参见pip.sh以安装运行DiffIR所需的依赖项。

对于真实世界的超分辨率,请参见pip.sh以安装运行DiffIR所需的依赖项。

对于运动去模糊,请参见pip.sh以安装运行DiffIR所需的依赖项。

训练和评估

修复、基于GAN的单图像超分辨率、真实世界超分辨率和运动去模糊的训练和测试说明在各自的目录中提供。这里有一个包含超链接的摘要表,方便导航:

<table> <tr> <th align="left">任务</th> <th align="center">训练说明</th> <th align="center">测试说明</th> <th align="center">DiffIR的预训练模型</th> </tr> <tr> <td align="left">图像修复</td> <td align="center"><a href="DiffIR-inpainting/README.md#training">链接</a></td> <td align="center"><a href="DiffIR-inpainting/README.md#evaluation">链接</a></td> <td align="center"><a href="https://drive.google.com/drive/folders/1RQXRWMqVaAsyyQt8T-3KtpS68ef8dh90?usp=drive_link">下载</a></td> </tr> <tr> <td>基于GAN的单图像超分辨率</td> <td align="center"><a href="DiffIR-SRGAN/README.md#training">链接</a></td> <td align="center"><a href="DiffIR-SRGAN/README.md#evaluation">链接</a></td> <td align="center"><a href="https://drive.google.com/drive/folders/1Mmhz6Sx9tz-n3QJAd6w-UlxdugTEH2fV?usp=drive_link">下载</a></td> </tr> <tr> <td>真实世界超分辨率</td> <td align="center"><a href="DiffIR-RealSR/README.md#training">链接</a></td> <td align="center"><a href="DiffIR-RealSR/README.md#evaluation">链接</a></td> <td align="center"><a href="https://drive.google.com/drive/folders/1G3Ep0xd-uBpIXGZFdWzH1uVCOpJaqkOF?usp=drive_link">下载</a></td> </tr> <tr> <td>运动去模糊</td> <td align="center"><a href="DiffIR-demotionblur/README.md#training">链接</a></td> <td align="center"><a href="DiffIR-demotionblur/README.md#evaluation">链接</a></td> <td align="center"><a href="https://drive.google.com/drive/folders/1JWYaP9VVPX_Mh2w1Vezn74hck-oWSyMh?usp=drive_link">下载</a></td> </tr> </table>

结果

实验针对不同的图像处理任务进行,包括图像修复、基于GAN的单图像超分辨率、真实世界超分辨率和运动去模糊。

<details> <summary><strong>图像修复</strong>(点击展开)</summary> <img src = "figs/inpainting-quan.jpg"> <img src = "figs/inpainting-qual.jpg"> </details> <details> <summary><strong>基于GAN的单图像超分辨率</strong>(点击展开)</summary> <img src = "figs/SISR-quan.jpg"> <img src = "figs/SISR-qual.jpg"> </details> <details> <summary><strong>真实世界超分辨率</strong>(点击展开)</summary> <img src = "figs/realworldsr-quan.jpg"> <img src = "figs/realworldsr-qual.jpg"> </details> <details> <summary><strong>运动去模糊</strong>(点击展开)</summary> <img src = "figs/deblur-quan.jpg"> <img src = "figs/deblur-qual.jpg"> </details>

引用

如果您使用DiffIR,请考虑引用:

@article{xia2023diffir,
  title={Diffir: Efficient diffusion model for image restoration},
  author={Xia, Bin and Zhang, Yulun and Wang, Shiyin and Wang, Yitong and Wu, Xinglong and Tian, Yapeng and Yang, Wenming and Van Gool, Luc},
  journal={ICCV},
  year={2023}
}

联系方式

如有任何问题,请联系zjbinxia@gmail.com

编辑推荐精选

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

HunyuanVideo

HunyuanVideo

HunyuanVideo 是一个可基于文本生成高质量图像和视频的项目。

HunyuanVideo 是一个专注于文本到图像及视频生成的项目。它具备强大的视频生成能力,支持多种分辨率和视频长度选择,能根据用户输入的文本生成逼真的图像和视频。使用先进的技术架构和算法,可灵活调整生成参数,满足不同场景的需求,是文本生成图像视频领域的优质工具。

WebUI for Browser Use

WebUI for Browser Use

一个基于 Gradio 构建的 WebUI,支持与浏览器智能体进行便捷交互。

WebUI for Browser Use 是一个强大的项目,它集成了多种大型语言模型,支持自定义浏览器使用,具备持久化浏览器会话等功能。用户可以通过简洁友好的界面轻松控制浏览器智能体完成各类任务,无论是数据提取、网页导航还是表单填写等操作都能高效实现,有利于提高工作效率和获取信息的便捷性。该项目适合开发者、研究人员以及需要自动化浏览器操作的人群使用,在 SEO 优化方面,其关键词涵盖浏览器使用、WebUI、大型语言模型集成等,有助于提高网页在搜索引擎中的曝光度。

xiaozhi-esp32

xiaozhi-esp32

基于 ESP32 的小智 AI 开发项目,支持多种网络连接与协议,实现语音交互等功能。

xiaozhi-esp32 是一个极具创新性的基于 ESP32 的开发项目,专注于人工智能语音交互领域。项目涵盖了丰富的功能,如网络连接、OTA 升级、设备激活等,同时支持多种语言。无论是开发爱好者还是专业开发者,都能借助该项目快速搭建起高效的 AI 语音交互系统,为智能设备开发提供强大助力。

olmocr

olmocr

一个用于 OCR 的项目,支持多种模型和服务器进行 PDF 到 Markdown 的转换,并提供测试和报告功能。

olmocr 是一个专注于光学字符识别(OCR)的 Python 项目,由 Allen Institute for Artificial Intelligence 开发。它支持多种模型和服务器,如 vllm、sglang、OpenAI 等,可将 PDF 文件的页面转换为 Markdown 格式。项目还提供了测试框架和 HTML 报告生成功能,方便用户对 OCR 结果进行评估和分析。适用于科研、文档处理等领域,有助于提高工作效率和准确性。

飞书多维表格

飞书多维表格

飞书多维表格 ×DeepSeek R1 满血版

飞书多维表格联合 DeepSeek R1 模型,提供 AI 自动化解决方案,支持批量写作、数据分析、跨模态处理等功能,适用于电商、短视频、影视创作等场景,提升企业生产力与创作效率。关键词:飞书多维表格、DeepSeek R1、AI 自动化、批量处理、企业协同工具。

下拉加载更多