基于梯度的伽马值调整技术，用于实现鲁棒的扩散式计算成像

首页今日动态人才市场新技术专栏中国科学人云展台
BioHot
云讲堂直播会展中心特价专栏技术快讯免费试用

生物通官微
陪你抓住生命科技
跳动的脉搏

生物通首页 > 今日动态 > 正文

《IEEE Transactions on Computational Imaging》：Gradient-Aware Gamma Adjustment for Robust Diffusion-Based Computational Imaging

【字体：大中小】 时间：2026年03月05日 来源：IEEE Transactions on Computational Imaging 4.8

编辑推荐：

　　针对空间变化失真图像恢复中静态权衡导致的局部优化不足问题，提出梯度感知伽马调整（GAGA）框架，通过像素级自适应平衡反向投影与最小二乘指导，结合多尺度梯度 cues动态调整噪声依赖参数，理论保证严格正定，实验表明在多任务和数据集上显著提升恢复质量与感知评分。

摘要：

恢复因空间变化性失真而退化的图像仍然是计算成像领域的一个基本挑战。尽管基于扩散的方法（如带有预处理引导的去噪扩散算法DDPG）提供了高效的解决方案，但这些方法通常依赖于在反投影（BP）和最小二乘（LS）引导之间静态且全局固定的权衡。这种静态调度方式阻止了采样过程根据局部信噪比的变化进行调整，从而导致在复杂或混合内容区域中恢复效果不佳。我们提出了梯度感知的伽马调整（GAGA）框架，该框架能够以像素级的方式动态调节预处理引导。通过利用从中间重建结果中提取的多尺度梯度信息，GAGA能够动态调整BP与LS之间的平衡，以更好地适应局部结构的变化。从理论角度来看，我们通过将LS引导与高斯似然分数明确对齐来对其进行优化，其中高斯似然分数使用了依赖于噪声的缩放因子

联系信箱：

粤ICP备09063491号

摘要：

热点排行