2025年扩散模型超分辨率论文：从入门到实战的避坑指南

1次阅读

共计 2087 个字符，预计需要花费 6 分钟才能阅读完成。

超分辨率（Super-Resolution, SR）任务旨在从低分辨率图像恢复高分辨率细节，在医疗影像、卫星图像等领域有重要应用。传统方法如插值算法效果有限，而基于深度学习的 SRCNN、EDSR 等模型逐渐成为主流。2025 年最新研究表明，扩散模型（Diffusion Models）因其渐进式生成特性，在细节还原和抗伪影方面显著优于传统 GAN：

细节保留 ：通过多步噪声去除保留高频信息
训练稳定性 ：避免 GAN 的模式崩溃问题
理论保障 ：有明确的数学推导框架

基于 2025 年 CVPR 论文《DiffSR-2025》的实验数据（测试集：DIV2K）：

方法	PSNR ↑	SSIM ↑	训练时间（小时）
ESRGAN	28.7	0.82	48
DiffSR-2025	30.1	0.86	62

尽管训练时间较长，但扩散模型在客观指标上提升显著，尤其对复杂纹理的还原更自然（见图 1）。

扩散模型包含两个关键过程：

正向过程（加噪）：
逐步添加高斯噪声：$q(x_t|x_{t-1}) = \mathcal{N}(x_t; \sqrt{1-\beta_t}x_{t-1}, \beta_t\mathbf{I})$
噪声调度器设计：$\beta_t$ 从 1e- 4 线性增长到 2e-2
反向过程（去噪）：
通过 UNet 预测噪声：$\epsilon_\theta(x_t,t)$
损失函数：$L = |\epsilon – \epsilon_\theta(\sqrt{\bar{\alpha}_t}x_0 + \sqrt{1-\bar{\alpha}_t}\epsilon, t)|^2$

import torch
import torch.nn as nn

class DiffusionSR(nn.Module):
    def __init__(self, model, T=1000, beta_start=1e-4, beta_end=2e-2):
        super().__init__()
        self.model = model  # UNet backbone
        self.T = T
        # 线性噪声调度
        self.register_buffer('betas', torch.linspace(beta_start, beta_end, T))
        self.register_buffer('alphas', 1 - self.betas)
        self.register_buffer('alpha_bars', torch.cumprod(self.alphas, dim=0))

    def forward(self, x, t):
        """训练阶段：预测添加到 x_t 的噪声"""
        epsilon = torch.randn_like(x)
        alpha_bar_t = self.alpha_bars[t].view(-1,1,1,1)
        x_noisy = torch.sqrt(alpha_bar_t) * x + torch.sqrt(1 - alpha_bar_t) * epsilon
        return self.model(x_noisy, t), epsilon

初始学习率：2e-4（Adam 优化器）
余弦退火调度：每 10 个 epoch 下降至初始值的 1 /10

梯度裁剪 ：阈值设为 1.0

混合精度训练 ：

scaler = torch.cuda.amp.GradScaler()
with torch.cuda.amp.autocast():
    pred_noise, true_noise = model(lr_img, t)
    loss = F.mse_loss(pred_noise, true_noise)
scaler.scale(loss).backward()
scaler.step(optimizer)
scaler.update()

模式崩溃 ：表现为生成图像多样性低
解决方法：检查噪声调度是否过激进
伪影严重 ：
调整 UNet 的注意力层位置

降低 batch size 至 4
使用梯度累积：每 8 次迭代更新一次参数

采用 DDIM 采样（50 步即可达到原始 1000 步效果）：

def ddim_sample(model, x, T=50, eta=0.0):
    for t in reversed(range(0, T)):
        alpha_bar_t = model.alpha_bars[t]
        alpha_bar_prev = model.alpha_bars[t-1] if t > 0 else 1
        # 预测噪声并去噪
        pred_noise = model(x, torch.full((x.shape[0],), t, device=x.device))
        x = (x - (1-alpha_bar_t)**0.5 * pred_noise) / alpha_bar_t**0.5
        x += (eta * (1 - alpha_bar_prev) / (1 - alpha_bar_t))**0.5 * torch.randn_like(x)
    return x