提速14倍
以可逆两级设计将扩散采样过程直接改造为端到端重建网络，在压缩感知重建中兼得高精度与低显存。
Bin, Chen · Zhenyu, Zhang · Weiqi, Li · Zhao, Chen · Jiwen, Yu · Shijie, Zhao · 陈杰 · 长江
IEEE Transactions on Pattern Analysis and Machine Intelligence 2025
将扩散采样过程重新用作重建模型，端到端微调，推理速度相比 DDNM 提升14.54倍。
通过两级可逆设计，训练时大部分中间特征被清除，GPU内存降低高达93.8%。
相比现有最优压缩感知网络，PSNR 提升最高2.64dB；相比 DDNM，提升最高10.09dB。
无需从头训练，可将大规模扩散模型作为重建模型进行端到端微调，部署更便捷。