Tag · 2 篇
频域分解
分布 底层视觉与图像复原1生成模型与扩散1
01 02
FRAMER：频率对齐的自蒸馏与自适应调制，利用扩散先验实现真实世界图像超分辨率
FRAMER: Frequency-Aligned Self-Distillation with Adaptive Modulation Leveraging Diffusion Priors for Real-World Image Super-Resolution
提出一种即插即用的训练方案，利用扩散模型内部特征图的频域分解（LF/HF）进行自蒸馏，通过对比损失和自适应调制增强高频细节重建，可推广到其他基于扩散先验的低层视觉任务。
厘清扩散概率模型的 SNR-t 偏差
Elucidating the SNR-t Bias of Diffusion Probabilistic Models
指出推理阶段去噪样本的 SNR 与时间步错配会导致误差累积，并给出按频率分量分别做差分校正的免训练修正手段，可直接插入现有扩散采样器（DDIM、EDM、FLUX 等）以提升生成质量。