Tag · 5 篇
图像到图像翻译
基于可学习贝塞尔流的非线性颜色迁移
Nonlinear Color Transfer via Learnable Bezier Flows
用贝塞尔曲线参数化替代流模型中的线性传输路径，可缓解颜色迁移中的轨迹错位与伪影；该非线性路径参数化思路可迁移到其他基于流的图像到图像翻译与风格化任务。
FlowFixer：面向细节保持的主体驱动生成
FlowFixer: Towards Detail-Preserving Subject-Driven Generation
把主体驱动生成拆成「粗生成 + 图像到图像精修」两段，并用一步去噪构造自监督配对数据来模拟尺度/视角变化导致的细节丢失；做个性化生成或参考图保真时可直接复用该精修框架与关键点匹配保真度指标。
解耦残差去噪扩散模型：面向统一且数据高效的图像到图像翻译
Decoupled Residual Denoising Diffusion Models for Unified and Data Efficient Image-to-Image Translation
把扩散过程拆成「随机噪声扩散做域对齐+流形提升」与「确定性残差扩散学语义映射」两段，且噪声阶段只用大量无配对目标域图像训练，为少配对数据的统一 I2I 翻译提供了可复用的训练范式。
DBMSolver：面向高质量图像到图像翻译的免训练扩散桥采样器
DBMSolver: A Training-free Diffusion Bridge Sampler for High-Quality Image-to-Image Translation
把扩散桥 SDE/ODE 的半线性结构用指数积分器求解，得到免训练的一阶/二阶采样器，可直接替换现有 DBM 的采样环节，在 20 NFE 内把 FID 降低一半以上，适合需要低延迟的 I2I 翻译与修复流程。
Bi-Bridge：面向低光照图像增强的双向扩散桥
Bi-Bridge: Bidirectional Diffusion Bridges for Low-Light Image Enhancement
把增强与退化建模成同一个对称扩散桥的两个方向，用双向一致性作为内容保真的约束；做低光照增强、去噪、去模糊等图像到图像复原时，可借鉴这种「正反过程共享结构」的正则思路来抑制生成模型的结构漂移。