【技术实现步骤摘要】
本申请涉及计算机信息，具体而言，本申请涉及一种基于扩散模型和生成对抗训练的图像复原方法及装置。
技术介绍
1、从深度学习的角度来看，图像恢复模型旨在学习从退化图像空间到自然图像空间的映射。
2、现有的方案通常是采取对抗训练方式训练图像修复模型，然后将图像输入到训练后的模型中，通过模型进行图像复原，但是采用该方案，复原的图像效果差。
技术实现思路
1、本申请各实施例提供了一种基于扩散模型和生成对抗训练的图像复原方法及装置，可以基于预训练的扩散网络进行微调，得到微调后的编码器、图像恢复网络等，以适合对退化图像进行处理，提升图像恢复效果。
2、所述技术方案如下：
3、第一方面，本申请提供了一种基于扩散模型和生成对抗训练的图像复原方法，所述方法包括：获取图像数据，并将图像数据输入到去除退化编码器中，得到第一结果；提供交互页面，并基于交互页面获取图像限定信息；将第一结果和图像限定信息输入到图像修复网络中，得到第二结果，所述图像修复网络基于预训练的扩散网络中的扩散模...
【技术保护点】
1.一种基于扩散模型和生成对抗训练的图像复原方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，预训练的扩散网络包括变分自编码器；所述去除退化编码器通过以下步骤生成：
3.如权利要求1所述的方法，其特征在于，所述图像修复网络通过以下步骤生成：
4.如权利要求3所述的方法，其特征在于，所述采取低秩适应的方法基于第二训练数据对生成器进行微调，得到图像修复网络，包括：
5.如权利要求3所述的方法，其特征在于，所述基于第二训练数据对生成器进行微调，得到图像修复网络，包括：
6.如权利要求1所述的...
【技术特征摘要】
1.一种基于扩散模型和生成对抗训练的图像复原方法，其特征在于，所述方法包括：
2.如权利要求1所述的方法，其特征在于，预训练的扩散网络包括变分自编码器；所述去除退化编码器通过以下步骤生成：
3.如权利要求1所述的方法，其特征在于，所述图像修复网络通过以下步骤生成：
4.如权利要求3所述的方法，其特征在于，所述采取低秩适应的方法基于第二训练数据对生成器进行微调，得到图像修复网络，包括：
5.如权利要求3所述的方法，其特征在于，所述基于第二训练数据对生成器进行微调，得到图像修复网络，包括：
【专利技术属性】
技术研发人员：林心淇，喻方桦，胡锦帆，尤志远，石武，任思捷，顾津锦，董超，
申请(专利权)人：中国科学院深圳先进技术研究院，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。