TL；DR
通过Repeated Refinement 来实现SR。SR3 采用的是 denoising diffusion probabilistic models来进行图片生成，通过随机迭代降噪点过程来进行超分。从纯高斯噪声模型起步，用不同降噪力度的降噪模型来经过不断迭代Noisy 图像，从而生成图像
Method
- 生成范式
- conditional DDPM经过T个步骤生成最终图像，首先从一个pure gaussian images开发，经过T个步骤连续的迭代。每个迭代都需要学习conditional transition distributions. 前向过程：通过固定的马尔可夫链将高斯噪声不断地添加至信号当中。 反向过程：是主要需要学习的部分，即从噪声中逆转得到信号的过程。使用神经去噪模型fθ学习反向链，该模型将源图像和噪声目标图像作为输入，并估计噪声。
- 训练
- 输入：低分辨率图像； 带噪声图像，尺寸和高分辨率图像一致。
- 损失函数：使得模型输出的噪声和随机的高斯噪声分布尽可能一致。
- Inference 阶段：输入为低分辨率图像x以及 yt高斯噪声，输出为高分辨率图像。输入通过公式重复迭代T次得到SR图像。可以理解为迭代的从图像中去除噪声，当迭代的次数足够多，就能将噪声都去除，得到一个效果较好的SR结果。
- Model Arch:
- UNet 架构，用迭代的方式从输出去除各level的噪声。将低分辨率图像upsample到高分辨率，再和噪声图concat，作为网络的输入。