PMRF

收录理由

图像修复常常要面对一个两难：既要结果看起来真实自然，又希望它忠实于原图。PMRF 正是针对这一矛盾提出的方案，论文发表在 ICLR 2025 上。它利用 rectified flow 来逼近在感知质量约束下使均方误差最小的最优估计器，官方仓库提供了训练好的盲人脸修复权重，还挂了一个 Hugging Face 在线演示，想试试低质量人脸的修复效果，直接跑 demo 就行，不用自己训练。除了人脸修复，代码里也覆盖了去噪、补全、上色这类经典逆问题，并附有与纯 MMSE 基线做对照的检查点，方便你定量比较。项目基于 PyTorch Lightning 搭建，结构清晰，研究者想把自己的任务套进这个 flow 框架并不费劲；理论部分也讲得明白，能帮你向别人解释感知质量与保真度之间的取舍。唯一要注意的是，HDiT 架构依赖 natten 包，在 Windows 上安装有时会出问题，官方 issue 里有人给出了可行的解决办法。