扩散模型在图像超分辨率任务中如何应用？

1. 从低清到高清的重建

图像超分辨率旨在将低分辨率、模糊或老旧图片放大并补回高频细节。扩散模型把低清图像作为条件，从噪声出发在去噪过程中恢复出清晰、高分辨率的输出，相比传统插值方法能生成更自然、更具细节的纹理。

2. 条件引导保持结构

在超分过程中，低分辨率输入提供整体结构与语义约束，模型负责补全放大后缺失的细节，从而在放大的同时尽量保持原始内容与布局不失真。这类方法在老照片修复、医学影像增强、监控画面增强等场景有实际应用。

3. 级联式超分提升分辨率

部分先进系统采用级联扩散结构，先在低分辨率下生成主体内容，再通过多级超分模型逐级放大到高分辨率，从而在有限算力下获得更高分辨率、更高质量的最终图像。