每日AIGC最新进展(7)：频域引导的超分扩散模型、同时生成自然的说话面孔和语音输出Text-to-Speaking Face、4D全景场景图生成、语义感知的协同语音手势合成

Diffusion Models专栏文章汇总：入门与实战

Frequency-Domain Refinement with Multiscale Diffusion for Super Resolution

http://arxiv.org/abs/2405.10014v1

本文提出了一种新颖的频域引导的多尺度扩散模型（FDDiff），旨在通过逐步补充低分辨率（LR）图像中缺失的高频信息，实现更高质量的单图像超分辨率（SR）。与现有模型相比，FDDiff通过将高频信息补充过程分解为更细粒度的步骤，避免了直接从简单的高斯分布过渡到复杂的高分辨率（HR）图像分布的困难。

FDDiff采用了基于小波包的频域补充链，为逆向扩散过程提供了具有逐渐增加带宽的多尺度中间目标。该模型引导逆向扩散过程逐步补充缺失的高频细节，并通过设计一个具有软