跳到主要内容
检索

# 残差扩散

3 篇关联报道

订阅更新
  1. arXiv

    目标位置信号缺失时也能重建:DiffusionRef-IMU 只让扩散模型补残差,五折误差均低于确定性基线

    可穿戴惯性传感器换到另一个身体部位后,信号分布随之改变,而目标位置的测量在训练和部署时往往拿不到。DiffusionRef-IMU 先用确定性 Direct 网络给出目标位置估计,再让扩散模型只修正这份估计与真实目标之间的残差。在五个受试者不重叠、活动与位置组合被留出的折上,16 步 DDIM 的平均 nRMSE 为 0.087538,低于 Direct 的 0.090262、同容量确定性残差模型的 0.088847 和八步 CompFlow 的 0.088417,并在五折中全部占优。

  2. researchsquare.com

    半透明壁画修复不再只分“坏与不坏”:连续病害强度让PSNR再涨3.27 dB

    敦煌壁画的褪色、污渍、水渍等半透明病害往往仍保留部分颜料与轮廓,而常用的二值掩膜只标出受损范围,无法描述同一区域内连续变化的病害强度。SC-PAD先从退化图像和粗掩膜估计连续的终端病害强度场,再把共享的扩散进度按像素重参数化为局部修复进度,并用满足端点一致与单调性的动态Alpha状态控制图像空间残差的激活。在敦煌壁画数据集固定的100张测试图上,用预测的软Alpha替换二值掩膜使PSNR从27.3421 dB升到30.6122 dB,但换成真值Alpha还能再升3.2539 dB,说明病害强度估计仍是瓶颈。

  3. arXiv

    KANResDiff 用 KAN 样条时间编码与局部薛定谔桥做残差扩散,在 LIDC 与 ISIC3 上把 GED 最多降低 18.8%、HM-IoU32 最多提升 7.7%

    该工作提出 KANResDiff,用 Kolmogorov-Arnold 网络实现局部残差扩散以做模糊医学图像分割:以基于 B 样条的 Independent Time Encoding 替代 MLP 线性时间嵌入以增强各推理阶段独立性,并以 Residual Schrödinger Bridge 用可学习权重注入确定性残差先验,在 LIDC 与 ISIC3 两个公开数据集上取得 GED 与 HM-IoU 的最优结果,GED 最大改善 16.8%、HM-IoU32 最大改善 7.7%,同时 MDM 保持有竞争力的水平。

已读完全部报道