Xt_min -> X0 about ccsr HOT 3 OPEN

你好，非常感谢你对我们工作的认可。
这个过程是先从 Xt_min 估计 t_min 时刻的噪声，再通过估计的噪声和 Xt_min 来估计 t_min 时刻的 X0。
最后， 直接输出t_min 时刻的 X0作为 diffusion 的最终结果，将该结果送入 VAE decoder 做进一步的增强。

from ccsr.

大概明白了。谢谢你！
P.S 我觉得文章的另外一个很大的卖点就是加速呀，毕竟已经在15步完成，非常的吸引人。

另外还有一个小问题：在Table2中，StableSR的Params是1409.11M，但是在StableSR的论文Table4中，为149.91M呀~这个是怎么回事？

from ccsr.

你好！我们后面的消融实验发现：更少的步数，以及不同的 t_max 和 t_min 的组合会带来不同的超分效果。这个部分还是有一些可以挖掘的地方，欢迎一起交流讨论。
我们在 Table2 给出的是所有模型的参数量。StableSR 的 Table4 是可训练模型的参数量。因为在训练的时候有相当一部分的模型参数都是冻住的，所以这两个参数量相差比较大。

from ccsr.