# 条件扩散模型

白内障术前多模态数据中SLO影像常缺失，此前的方法多在融合阶段抑制缺失影响或用零值填充，而不显式补出该模态的任务相关表示。这项工作把缺失SLO当作潜特征空间中的代理表示恢复问题，用OCT图像特征与临床文本特征作为条件，驱动扩散模型反向去噪估计样本特异的SLO代理表示，再送入融合预测网络。在2141例术前样本、SLO缺失率58.80%的数据上，该方法在绝对误差不超过0.1 LogMAR的判据下准确率为0.9714、平均绝对误差0.0423，优于UML骨干基线的0.9625与0.0457。

白内障术前多模态数据中SLO影像常缺失，此前的方法多在融合阶段抑制缺失影响或用零值填充，而不显式补出该模态的任务相关表示。这项工作把缺失SLO当作潜特征空间中的代理表示恢复问题，用OCT图像特征与临床文本特征作为条件，驱动扩散模型反向去噪估计样本特异的SLO代理表示，再送入融合预测网络。在2141例术前样本、SLO缺失率58.80%的数据上，该方法在绝对误差不超过0.1 LogMAR的判据下准确率为0.9714、平均绝对误差0.0423，优于UML骨干基线的0.9625与0.0457。

气候模拟昂贵且带有系统偏差，而过度用观测校正又会抹掉模式间的结构差异。一个在十七个CMIP6模式和ERA5再分析上训练的条件扩散模型，在采样时把每个模式的分布按可调强度拉向观测，强度由留出模拟未来的完美模式试验选定，并随预估时段和强迫增大而减弱。在十七个合成目标上，引导把日温度第1与第99百分位偏差的中位数减半以上，并把CMIP6对极端高温覆盖面积约三倍的历史高估纠正到与观测接近。

气候模拟昂贵且带有系统偏差，而过度用观测校正又会抹掉模式间的结构差异。一个在十七个CMIP6模式和ERA5再分析上训练的条件扩散模型，在采样时把每个模式的分布按可调强度拉向观测，强度由留出模拟未来的完美模式试验选定，并随预估时段和强迫增大而减弱。在十七个合成目标上，引导把日温度第1与第99百分位偏差的中位数减半以上，并把CMIP6对极端高温覆盖面积约三倍的历史高估纠正到与观测接近。

γ光子流场图像由有限符合事件重建，边界模糊、局部结构易被噪声淹没，常规条件扩散模型只在输入端拼接退化图像，结构先验在反复下采样中被稀释，且频域处理不随扩散步变化。结构—频率引导扩散模型（SFGD）用多尺度结构流与窗口交叉注意力把边缘和形态先验持续送入去噪网络，并按扩散时间步调节频域增强的幅度与范围。在按体模划分的独立测试集上，完整模型取得28.325 dB的PSNR和0.926的SSIM，比条件扩散基线分别高5.499 dB和0.153。

γ光子流场图像由有限符合事件重建，边界模糊、局部结构易被噪声淹没，常规条件扩散模型只在输入端拼接退化图像，结构先验在反复下采样中被稀释，且频域处理不随扩散步变化。结构—频率引导扩散模型（SFGD）用多尺度结构流与窗口交叉注意力把边缘和形态先验持续送入去噪网络，并按扩散时间步调节频域增强的幅度与范围。在按体模划分的独立测试集上，完整模型取得28.325 dB的PSNR和0.926的SSIM，比条件扩散基线分别高5.499 dB和0.153。

亚得里亚海的高分辨率海洋再分析场过去只能靠双线性插值或高成本区域模式嵌套获得，前者会抹平锋面与中尺度结构。OcDiffSR把条件去噪扩散概率模型用于海表温度、盐度与水平流速的联合超分辨率，以1/12°的GLORYS12V1粗场为条件输入，重建1/24°的Med MFC场。在独立测试年2009年，标量场误差明显低于插值与残差扩散模型CorrDiff，盐度RMSE为0.346 psu、温度RMSE为0.477°C，但流速分量相关系数仅约0.64。

亚得里亚海的高分辨率海洋再分析场过去只能靠双线性插值或高成本区域模式嵌套获得，前者会抹平锋面与中尺度结构。OcDiffSR把条件去噪扩散概率模型用于海表温度、盐度与水平流速的联合超分辨率，以1/12°的GLORYS12V1粗场为条件输入，重建1/24°的Med MFC场。在独立测试年2009年，标量场误差明显低于插值与残差扩散模型CorrDiff，盐度RMSE为0.346 psu、温度RMSE为0.477°C，但流速分量相关系数仅约0.64。

敦煌壁画的数字修复不再只在像素空间里逐点去噪。像素域扩散要同时兼顾整体结构与局部笔触，代价高，还容易在颜色和风格上偏离原作。WDCRF 先用二维离散小波变换把受损壁画拆成一个低频子带和三个高频子带，再让条件扩散模型直接在小波域重建这四组系数，以受损系数本身作为条件信号，最后经逆小波变换合成完整画面。在敦煌壁画数据集上，总 PSNR 为 32.04 dB、SSIM 为 0.922，优于 EdgeConnect、WaveDiff、PGRDiff 与 LRDiff；在 DhMurals 数据集上总 PSNR 为 18.95 dB、SSIM 为 0.7598。

敦煌壁画的数字修复不再只在像素空间里逐点去噪。像素域扩散要同时兼顾整体结构与局部笔触，代价高，还容易在颜色和风格上偏离原作。WDCRF 先用二维离散小波变换把受损壁画拆成一个低频子带和三个高频子带，再让条件扩散模型直接在小波域重建这四组系数，以受损系数本身作为条件信号，最后经逆小波变换合成完整画面。在敦煌壁画数据集上，总 PSNR 为 32.04 dB、SSIM 为 0.922，优于 EdgeConnect、WaveDiff、PGRDiff 与 LRDiff；在 DhMurals 数据集上总 PSNR 为 18.95 dB、SSIM 为 0.7598。