拓冰网站定制 
扩散超分 PSNR 低怎么改，先把能改的和不该改的分开这个问题下面已有的回答覆盖了两个方向。一是换指标，认为 PSNR 不该作为生成式超分的优化目标；二是列了一批可以借鉴的开源工作，包括 StableSR 的 CFW、WaveFace 的高低频解耦、ResShift 的残差学习，以及在单步方法里补像素域损失。两条都成立。我想补的是中间被跳过的一层。PSNR 与视觉质量反向这件事有确定的数学来源，把来源拆开之后，怎么修改是有顺序的，而且顺序与改动成本恰好相反。先确认这不是调参没调好。LDM 论文的超分对照表（ImageNet-Val，四倍，256×256）里，一个简单的图像回归模型能拿到 27.9 dB 的 PSNR 和 0.801 的 SSIM；同一张表里 LDM-4 跑满 100 步是 24.4 dB，把模型放大到 5.5 亿参数是 24.7 dB，靠 50 步采样加一个基于感知损失的后处理引导才回到 25.8 dB。同一套评测协议下，生成模型的 PSNR 比直接回归低了 2 到 3.5 dB，而且这个差距不是靠加参数补回来的。更直接的证据来自 ResShift（NeurIPS 2023）。它的 Table 1 把同一组训练好的权重拿出来，只改采样配置，结果如下。采样步数 TPSNR↑MUSIQ↑CLIPIQA↑1025.2050.660.5491525.0153.660.5923024.5255.790.62740 扩散超分 PSNR 低怎么改，先把能改的和不该改的分开
扩散超分 PSNR 低怎么改，先把能改的和不该改的分开这个问题下面已有的回答覆盖了两个方向。一是换指标，认为 PSNR 不该作为生成式超分的优化目标；二是列了一批可以借鉴的开源工作，包括 StableSR 的 CFW、WaveFace 的高低频解耦、ResShift 的残差学习，以及在单步方法里补像素域损失。两条都成立。我想补的是中间被跳过的一层。PSNR 与视觉质量反向这件事有确定的数学来源，把来源拆开之后，怎么修改是有顺序的，而且顺序与改动成本恰好相反。先确认这不是调参没调好。LDM 论文的超分对照表（ImageNet-Val，四倍，256×256）里，一个简单的图像回归模型能拿到 27.9 dB 的 PSNR 和 0.801 的 SSIM；同一张表里 LDM-4 跑满 100 步是 24.4 dB，把模型放大到 5.5 亿参数是 24.7 dB，靠 50 步采样加一个基于感知损失的后处理引导才回到 25.8 dB。同一套评测协议下，生成模型的 PSNR 比直接回归低了 2 到 3.5 dB，而且这个差距不是靠加参数补回来的。更直接的证据来自 ResShift（NeurIPS 2023）。它的 Table 1 把同一组训练好的权重拿出来，只改采样配置，结果如下。采样步数 TPSNR↑MUSIQ↑CLIPIQA↑1025.2050.660.5491525.0153.660.5923024.5255.790.62740