https://iceclear.github.io/projects/stablesr/
https://github.com/IceClear/StableSR
我们提出了一种新的方法来利用预先训练的文本到图像扩散模型中封装的先验知识来实现盲超分辨率（SR）。具体来说，通过使用我们的时间感知编码器，我们可以在不改变预先训练的合成模型的情况下获得有希望的恢复结果，从而保留生成先验并最小化训练成本。为了弥补扩散模型固有的随机性造成的保真度损失，我们引入了一个可控的特征包装模块，该模块允许用户在推理过程中通过简单地调整标量值来平衡质量和保真度。此外，我们开发了一种渐进聚合采样策略，以克服预先训练的扩散模型的固定大小约束，从而能够适应任何大小的分辨率。使用合成基准和真实世界基准对我们的方法进行综合评估，表明其优于当前最先进的方法。
