Palette：Image-to-Image Diffusion Models

发表于 更新于 分类于 ， ， ， 阅读次数： 本文字数： 505 阅读时长 ≈ 1 分钟

基于 Conditional Diffusion 的图片编辑应用，主要应用：图片上色（Colorization）、图片涂抹（Inpainting）、图片去裁剪（Uncropping）、JPEG 反压缩（JPEG decompression）
图片 A->VAE encoder->z + 噪声 ->z’->VAE decoder-> 图片 A’，条件图片

什么是 Palette？

  • 基于 Conditional Diffusion 的图片编辑应用 (Image-to-Image baseline)，主要应用：图片上色（Colorization）、图片涂抹（Inpainting）、图片去裁剪（Uncropping）、JPEG 反压缩（JPEG decompression），训练 DDPM 时，其 Conditional 就是未进行以上操作前的原图

Palette 使用 L 1、L 2 损失对结果的影响？

  • 论文测试了 L1 和 L2 损失对实验结果的影响，L1 和 L2 损失得到结果的采样质量相似，但是 L2 得到的结果会有更高的多样性，而 L1 损失的结果则相对保守

参考：

  1. 005_SS_ Palette Image-to-Image Diffusion Models - 知乎