DemoFusion 技术浅析（四）：跳跃残差

跳跃残差模块（Skip Residual Module） 是 DemoFusion 框架中用于图像去噪和细节保留的核心组件。该模块通过引入跳跃连接（skip connections）和残差学习（residual learning），在图像去噪过程中有效地保留了图像的全局结构和细节信息，从而提升了生成图像的质量和模型的训练效率。

1. 跳跃残差模块概述

跳跃残差模块 的主要功能是在去噪网络的多个层次之间传递信息，以保留图像的全局结构和细节信息。该模块通过以下方式实现这一目标：

1.跳跃连接（Skip Connections）:

• 将前一个去噪步骤的特征图直接传递到当前去噪步骤。
• 可以跨越多个层，甚至跨越不同分辨率的层。

2.残差学习（Residual Learning）:

• 学习输入图像与目标图像之间的残差，而不是直接学习目标图像本身。
• 残差学习可以减轻模型的训练难度，提高模型的训练效率和性能。

3.特征融合（Feature Fusion）:

• 将跳跃连接传递过来的特征图与当前去噪步骤的特征图进行融合。
• 融合策略可以采用加权平均或注意力机制。

4.残差块（Resi