技术摘要：统一用于图像增强的深度随机过程

问题陈述

图像增强涵盖了诸如超分辨率、低光照增强、着色和去雨等逆问题，其目标是从退化的观测值 ($y$) 中恢复高质量图像 ($x_0$)。这些问题本质上是病态的（ill-posed），因为单个低质量输入对应于分布在多种可能的高质量重建结果中。因此，现代系统利用生成模型来捕捉复杂的条件分布，而非仅仅依赖点估计。

虽然基于扩散的模型已成为一个强大的基准，但越来越多的研究提出了替代性的随机过程，这些过程显式地将退化输入 $y$ 作为条件引入生成轨迹（例如 ResShift, IR-SDE, BBDM）。这些方法旨在实现低质量图像与高质量图像之间的插值，而非从无条件的噪声中演化。然而，这些条件过程与标准扩散模型之间的关系仍不明确。现有方法不仅在随机定义上有所不同，在调度器（schedulers）、采样器（samplers）、离散化策略以及架构上也存在差异。这种纠缠使得难以隔离底层过程本身的影响，导致缺乏公平、直接的比较，也难以理解为何某些条件方法成功或失败。

方法论

作者通过将近期的图像增强方法归类为三类连续时间过程——无条件扩散模型、Ornstein–Uhlenbeck (OU) 过程和扩散桥（diffusion bridges）——提出了一个统一的视角。核心贡献在于证明了所有这些方法都源自同一个随机微分方程 (SDE) 公式：

$$d\mathbf{x}_t = f(\mathbf{x}_t, t, \mathbf{y}) dt + g(t) d\mathbf{w}_t$$

其中 $\mathbf{x}_t$ 是时刻 $t$ 的状态，$\mathbf{y}$ 是条件变量（退化图像），$\mathbf{w}_t$ 是维纳过程（Wiener process）。作者表明，这些看似迥异的方法主要在以下方面存在差异：

1. 漂移项与扩散项 ($f$ 和 $g$)。
2. 终端分布（$t=1$ 时的基础分布）。
3. 边界条件（过程如何开始和结束）。

至关重要的是，该框架将随机过程的定义与调度器、采样器和离散化策略等实现选择解耦，将后者视为正交的设计选择。

理论统一

• 无条件过程： 标准扩散模型 (DM-VE, DM-VP) 和流匹配 (Flow Matching, FM) 被证明是输入 $\mathbf{y}$ 不出现在前向过程定义中、而是作为神经网络的额外输入提供的实例。流匹配被重新表述为一个连续随机过程，其反向时间 ODE 可恢复原始流。
• Ornstein–Uhlenbeck (OU) 过程： IR-SDE、ResShift 和 InDI 被识别为以 $\mathbf{y}$ 为中心的广义 OU 过程。作者推导了这些过程的闭式解析解（例如针对 ResShift 和 InDI），用连续时间公式取代了原始实现中使用的离散数值计算调度器。
• 扩散桥： BBDM、DDBM、I2SB、GOUB 和 UniDB 通过 Doob's h-transform 实现了统一。作者证明 BBDM、DDBM-VE 和 I2SB 在数学上是等价的，区别仅在于噪声调度器的选择。UniDB 被证明是一个更通用的形式，它引入了一个终端代价参数 ($\gamma$)，用于在端点精度与路径平滑度之间进行权衡。

核心贡献

1. 统一 SDE 框架： 一个能够泛化无条件模型、流模型、OU 过程和扩散桥的连续时间公式，显式地分离了方法定义与调度器及采样器。
2. 受控实证研究： 在四个任务（超分辨率、低光照增强、着色、去雨）中，使用相同的骨干架构（UNet 和 DiT）、训练协议和损失函数 (MSE) 进行的大规模评估。
3. 性能因素识别：
   • 温度 (Temperature)： 作者发现 OU 类方法中的低温度设置是关键的失效因素。低温度会导致中间状态与输入之间产生强共线性，导致网络学习简单的外推而非建模真实的得分（score），从而导致细节恢复效果差。
   • 确定性采样： 研究表明，应用于扩散桥的确定性采样器（如 Euler ODE）会系统性地导致过度平滑。通过消除唯一的随机性来源（布朗运动），这些采样器迫使轨迹在 $\mathbf{y}$ 与 $\mathbf{x}_0$ 之间沿直线运动，从而收敛到平均后的真值。
4. ItoVision 库： 发布了一个模块化的 PyTorch 库，实现了统一框架，支持可重复的比较和快速原型开发。

结果

受控实验表明，不存在在所有任务中都占据绝对优势的方法。

• 性能对等性： 在相同的协议下训练时，大多数方法的表现非常接近。在许多情况下，普通的无条件扩散模型可以媲美甚至超越专门的 OU 或桥类方法。
• 任务特定趋势：
  • 超分辨率与低光照： 无条件过程 (DM-VP) 显示出微弱优势。
  • 着色： 扩散桥最为有效。
  • 去雨： 无条件方法和基于桥的方法均具有竞争力。
• 具体发现：
  • 在聚合结果中，ResShift 的表现略优于标准扩散模型，但这种表现对温度设置较为敏感。
  • InDI 表现不佳直接归因于其默认的低温度设置 ($\tau=0.06$)；提高温度显著改善了其结果。
  • UniDB 在几乎所有任务中都优于 GOUB，这归功于其通过参数 $\gamma$ 实现的正则化，该参数防止了过冲（overshooting）并使轨迹保持在数据流形的高建模区域内。
  • 研究发现祖父采样（Ancestral sampling，即随机采样）是最一致的采样方式，而确定性采样器会导致扩散桥出现高 LPIPS 分数（表明过度平滑）。

意义与主张

本文声称建立了一个用于对随机图像增强方法进行公平且可解释评估的新基准。通过统一其理论基础，作者证明了感知到的条件随机过程的优越性，往往是实现选择（如调度器、温度和采样器）造成的伪影，而非过程本身的本质属性。

这项工作挑战了“将条件引入随机轨迹必然能带来更好修复质量”的普遍假设。相反，它表明架构和训练选择往往比方法本身的差异更为重要。ItoVision 的发布旨在通过提供一个将理论定义与数值实现解耦的标准且可扩展的基础，来支持未来的研究，从而促进开发新的方法，而不受差异化实验设置带来的混淆变量的影响。