摘要。将扩散模型纳入图像压缩功能 - 主体具有产生现实和详细的重建的潜力,尤其是在极低的比特率下。以前的方法着重于使用扩散模型作为表达解码器在条件信号中的量化错误。但是,以这种方式实现竞争成果需要对扩散模型的昂贵训练和由于迭代生成过程而导致的长时间推理时间。在这项工作中,我们使用扩散来恢复潜在的传输图像中的丢失信息,以删除量化误差作为降级任务。我们的方法使我们能够执行少于整个扩散生成过程的10%,并且不需要对扩散模型进行体系结构的更改,从而可以将基础模型用作强大的先验,而无需对骨架进行其他微调。我们提出的编解码器在定量现实主义指标中的表现优于以前的方法,并且我们验证我们的重建是最终用户质量上首选的,即使其他方法使用了两倍的比特率。
主要关键词