摘要：近年来，图像生成领域的技术取得了显著进展，但图像修复任务中修复区域与未修改区域之间的一致性仍是一个普遍存在的挑战。本文旨在提出一种基于扩散模型的两阶段图像修复模型（Diff-2sIR），以提升修复区域与未修复区域的一致性，进一步提高图像修复质量。本文以扩散模型理论为基础，设计了一种两阶段修复框架。通过改进U-Net架构和扩散模型采样算法，对初步修复结果进行二次细化修复，缓解了修复区域与未修复区域之间的不一致性问题。在CelebA-HQ数据集的人脸修复任务中，Diff-2sIR模型取得了最优FID分数（2.92），显著提升了修复质量。实验结果表明，该模型在指导模块修复结果的基础上进一步细化修复效果，展现了卓越的性能。本文提出的Diff-2sIR模型有效解决了修复区域与未修复区域之间的不一致性问题，为图像修复任务提供了一种新的解决方案，具有重要的理论意义和应用价值。
文章目录
0 引 言
1 方法与实验
1.1 预备知识: 扩散模型
1.2 Diff-2sIR
1.3 实 验
2 结 果
2.1 指导模块对修复效果的影响
2.2 中间步采样与起始位置采样的影响
3 结 论
