提出SKILD尺度不变扩散模型统一生成与超分

Zixin Jessie Chen 等人在 arXiv 发布论文，提出尺度不变 K 空间图像学习扩散模型 SKILD，在单一无条件框架内统一图像生成与连续超分辨率。其前向过程从细尺度到粗尺度衰减图像内容并注入频谱匹配的高斯噪声，将尺度作为扩散动力学的显式坐标。 据论文，同一个训练好的反向过程只需改变起始时间步即可在生成与连续超分之间切换，无需任务特定架构、条件分支、classifier-free guidance 或按倍率重训练。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。