DiffIR论文阅读笔记

• ICCV2023的一篇用diffusion模型做Image Restoration的论文，一作是清华的教授，还在NIPS2023上一作发表了Hierarchical Integration Diffusion Model for Realistic Image Deblurring，作者里甚至有Luc Van Gool大佬。
• 模型分三个部分，一个是CPEN用来提取IPR，一个是DIRformer，用来完成restoration任务，一个是denoising network，用diffusion的方式来预测IPR。分两阶段训练，第一阶段先train CPEN和DIRformer，第二阶段再train denoising network。如此看来其实思想和stable diffusion很像，就是不在图像域上diffusion，这样size太大而且step太多，而是在特征域上diffusion，本文就是在IPR上diffusion

• 方法的细节上图都有。首先CPEN是一个从输入和GT的concatenate中提取一维向量，用这个一维向量参与到用于restoration的transformer中的channel-wise调制过程。第一阶段是这个restoration network和这个CPEN的联合训练，损失是restoration结果和GT之间的L1损失。这里引进GT是为了这个向量能提取得更好一点，从而使得整个过程的PSNR更高一点。
• 但实际应用中我们不可能有GT来作为输入，所以第二阶段我们需要train一个diffusion model来从LQ图片中预测z。这里diffusion还是老一套，认为一阶段train好的CPEN提取的z是x0，然后加噪到xt，reverse的过程就是从xt去噪预测x0的过程。diffusion模型的输入由3部分组成，首先当然是上一步的Zt，然后是t，接着是作为条件输入的D，这个D是用一个新的CPEN从LQ中提取的，称为CPEN2，他和第一阶段的CPEN在网络结构上是一样的（除了输入层）。这个很好理解，如果没有D作为条件，那不就相当于要diffusion模型从噪声预测一个z出来，那这个z当然和input无关，所以需要额外添加一个D作为条件，这也是很多用diffusion做restoration的思路。第二阶段需要混合训练CPEN2，denoising network和restoration network，损失函数是restoration结果 和GT之间的L1损失，以及diffusion预测的IPR和第一阶段的CPEN预测的IPR之间的L1损失。
• 感觉这个工作怪怪的，restoraion一般比较关注的去噪没有做，居然做了inpainting。选的三个任务是超分，inpainting和deblurring这三个任务。此外，这个IPR向量仅仅是通道调制，在我看来更多可能影响风格信息，用diffusion模型来预测这个IPR向量真的有必要吗？对这个工作实际效果持怀疑态度，到时候跑代码看一下。