Implicit Image-to-Image Schrodinger Bridge for CT Super-Resolution and Denoising

有条件扩散模型因其在图像恢复任务中的有效性而得到认可，然而，其从高斯噪声开始的迭代去噪过程通常会导致缓慢的推理速度。作为一种有前途的替代方法，图像到图像的薛定谔桥（I2SB）从损坏的图像开始初始化生成过程，并集成了条件扩散模型的训练技术。在本研究中，我们通过引入隐式图像到图像薛定谔桥（I3SB）来扩展I2SB方法，通过在每个生成步骤中加入损坏图像，将其生成过程转换为非马尔科夫过程。这种增强使得I3SB能够使用少量的生成步骤生成更好的纹理恢复图像。所提出的方法在CT超分辨率和去噪任务上得到验证，并在视觉质量和定量指标方面优于现有方法，包括条件去噪扩散概率模型（cDDPM）和I2SB。这些发现强调了I3SB在通过提供快速准确的生成建模来改善医学图像恢复方面的潜力。

本论文旨在改进图像恢复任务中的生成模型，提高生成速度和准确度。

论文提出了一种新的生成模型I3SB，将其生成过程转化为非马尔可夫过程，通过每个生成步骤中引入损坏的图像，提高了纹理恢复的效果。

论文使用了CT超分辨率和去噪任务进行验证，相比于现有的方法如cDDPM和I2SB，I3SB在视觉质量和定量指标上都表现更好。该方法有望在医学图像恢复领域提供快速和准确的生成建模。

与本论文相关的研究包括：cDDPM和I2SB。