论文页面 - PhotoQuilt: 基于引导式分块去噪的无训练任意分辨率照片拼贴

来源：https://huggingface.co/papers/2606.30968

摘要

PhotoQuilt 是一个无需训练的框架，通过结合全局布局构图与潜空间中的独立分块生成，生成高分辨率照片拼贴，克服了扩散模型在平衡局部细节与全局结构方面的局限性。

照片拼贴 (https://huggingface.co/papers?q=Photomosaics) 是指局部区域被视为独立图块、而整体排列构成连贯场景的大型图像。以高分辨率生成它们，同时每个图块本身都足够逼真，计算成本极高，因为画布必须同时容纳大量细节丰富的图块。我们提出 PhotoQuilt，这是一个无需训练的框架，能以任意分辨率生成照片拼贴 (https://huggingface.co/papers?q=photomosaics)。扩散模型 (https://huggingface.co/papers?q=Diffusion%20models) 难以同时兼顾两种尺度：直接高分辨率生成成本高昂，且倾向于生成平滑的单一图像而非拼贴效果；而基于图块的分块方法虽能保留局部细节，却会丢失全局结构。PhotoQuilt 通过一种引导式分块去噪过程 (https://huggingface.co/papers?q=denoising%20procedure) 解决了这一问题。我们首先以低分辨率生成全局构图 (https://huggingface.co/papers?q=global%20composition) 以确定布局，然后在潜空间 (https://huggingface.co/papers?q=latent%20space) 中对其进行上采样，并重新注入噪声以恢复生成能力。去噪过程在固定图块内进行，因此每个图块形成自己的图像，而共享的全局结构将它们固定在同一布局中。由于图块生成 (https://huggingface.co/papers?q=tile%20generation) 是分别处理的，PhotoQuilt 可扩展到大型画布，无需二次注意力成本。实验表明，PhotoQuilt 在全局结构和局部真实感 (https://huggingface.co/papers?q=local%20realism) 方面均优于现有基线方法。

查看 arXiv 页面 (https://arxiv.org/abs/2606.30968) 查看 PDF (https://arxiv.org/pdf/2606.30968) 项目页面 (https://kooroshrh.github.io/photo-quilt/) 添加到收藏 (https://huggingface.co/login?next=%2Fpapers%2F2606.30968)

在你的智能体中获取这篇论文：

hf papers read 2606.30968

没有最新的 CLI？curl -LsSf https://hf.co/cli/install.sh | bash

引用此论文的模型0

没有模型链接此论文

在模型的 README.md 中引用 arxiv.org/abs/2606.30968 以在此页面链接。

引用此论文的数据集0

没有数据集链接此论文

在数据集的 README.md 中引用 arxiv.org/abs/2606.30968 以在此页面链接。

引用此论文的 Spaces0

没有 Space 链接此论文

在 Space 的 README.md 中引用 arxiv.org/abs/2606.30968 以在此页面链接。

包含此论文的收藏0

没有包含此论文的收藏

将此论文添加到收藏 (https://huggingface.co/new-collection) 以在此页面链接。