Modèle de diffusion frugal pour l'inpainting d'images - Archive ouverte HAL Accéder directement au contenu
Communication Dans Un Congrès Année : 2023

Modèle de diffusion frugal pour l'inpainting d'images

Résumé

Très récemment, les modèles de diffusion probabilistes ont permis d'améliorer significativement l'état de l'art en synthèse d'images. Ces modèles génératifs se sont avérés particulièrement efficaces pour la résolution de problèmes inverses comme la super-résolution, le défloutage ou l'inpainting. Cependant beaucoup de ces modèles de diffusion reposent sur des centaines de millions de paramètres et le temps d'apprentissage se compte en dizaines de jours-GPU. Ces contraintes matérielles rendent leur utilisation particulièrement lourde et couteuse. Nous proposons un modèle de diffusion léger pour l'inpainting, adapté à des entraînements sur une ou quelques images, ne nécessitant qu'un apprentissage relativement rapide. Nous analysons précisément l'apport de la diffusion, à architecture constante, et nous comparons notre réseau léger avec l'état de l'art dans l'inpainting image.
Fichier principal
Vignette du fichier
2023_cherel1346.pdf (6.28 Mo) Télécharger le fichier
Origine : Fichiers produits par l'(les) auteur(s)

Dates et versions

hal-04199282 , version 1 (07-09-2023)

Identifiants

  • HAL Id : hal-04199282 , version 1

Citer

Nicolas Cherel, Andrés Almansa, Yann Gousseau, Alasdair Newson. Modèle de diffusion frugal pour l'inpainting d'images. GRETSI 2023 :XXIXème Colloque Francophone de Traitement du Signal et des Images, Aug 2023, Grenoble, France. ⟨hal-04199282⟩
37 Consultations
27 Téléchargements

Partager

Gmail Facebook X LinkedIn More