Аннотация:Задача восстановления изображений, то есть дополнение поврежденных обла-
стей на изображении, является одной из ключевых задач в области компьютерного
зрения и обработки изображений. С развитием глубокого обучения методы восста-
новления на основе глубоких моделей постепенно заменили традиционные алгорит-
мы, основанные на структуре текстуры, и начали применяться в задачах компьютер-
ного зрения. На данный момент методы восстановления изображений, основанные на
сверточныхнейронныхсетяхилигенеративныхсостязательныхсетях,ужепродемон-
стрировали определенные успехи. Однако в последние годы диффузионные модели
показали лучшие результаты в задачах генерации изображений по сравнению с ге-
неративными состязательными сетями. Поэтому важным вопросом является исполь-
зование мощных генеративных способностей диффузионных моделей для решения
задачи восстановления изображений.
Длярешенияэтойпроблемывданнойработепредложенметодвосстановления
изображений, основанный на диффузионной модели, который нацелен на устранение
ограничений традиционных алгоритмов восстановления изображений при обработке
больших поврежденных областей, сложных текстур и потери деталей. Диффузион-
ная модель, вводя генеративную структуру, позволяет адаптивно восстанавливать
поврежденные области в процессе восстановления, используя уже имеющуюся ин-
формацию на изображении, и обеспечивать сохранение глобальной согласованности
илокальныхдеталейвосстановленногоизображения.Этотметоднетолькопозволяет
восстанавливать распространенные типы повреждений изображений, но и адаптиру-
ется к различным типам поврежденных областе