DiffCR：一种快速的条件扩散框架用于光学卫星图像去云

光学卫星图像是一种重要的数据来源；然而，云层覆盖常常影响其质量，阻碍了图像的应用和分析。因此，有效去除光学卫星图像中的云层已成为一个重要的研究方向。尽管近期的云层去除技术主要依赖于生成对抗网络（Generative Adversarial Networks, GANs），但这些方法可能会导致次优的图像质量。扩散模型在多种图像生成任务中表现出色，展示了其在解决这一挑战方面的潜力。本文提出了一种名为DiffCR的新框架，该框架利用条件引导扩散与深度卷积网络相结合，实现高性能的光学卫星图像云层去除。具体而言，我们引入了一个解耦编码器用于条件图像特征提取，提供强大的色彩表示以确保条件输入与合成输出之间外观信息的高度相似性。此外，我们在云层去除模型中提出了一种新颖且高效的时序和条件融合模块（Time and Condition Fusion Block），能够在较低的计算成本下准确模拟条件图像与目标图像之间的外观对应关系。广泛的实验评估表明，在两个常用的基准数据集上，DiffCR在所有指标上均能持续达到最先进水平，其参数复杂度和计算复杂度分别仅为先前最佳方法的5.1%和5.4%。本文被接受后，源代码、预训练模型及所有实验结果将在https://github.com/XavierJiezou/DiffCR公开发布。