用于非盲图像去模糊的频率解耦扩散引导

基于摘要分析。本文研究已知模糊核条件下的非盲图像去模糊，利用预训练扩散模型作为图像先验，实现无需训练的后验采样。核心贡献是将测量信息的频率激活过程与退化导致的频谱衰减分开建模，而非仅依靠由低频到高频的渐进重建。 机制上，渐进式低频到高频调度决定当前启用的测量频带；由模糊核导出的衰减图，则对尚未启用的频率分量施加选择性频谱先验。该设计针对现有方法未充分区分非激活频率之间衰减差异的问题。作者还引入局部轨迹正则项，抑制采样状态与干净图像估计之间偏差的空间不规则性，以稳定采样过程。摘要未给出这些项的具体数学形式及权重设置。 理论上，作者针对固定终点能量给出 KL 正则化的路径空间解释；实际引导通过局部能量修正和 Tweedie 插入式近似构造，并随时间变化。需要阅读全文核对理论解释与实际近似之间的关系，以及频率调度、衰减先验和轨迹正则项各自的作用。 作者报告，在自然图像基准的多种具有挑战性的非盲去模糊设置中，方法取得较强的 PSNR 和 SSIM 表现，在较高测量噪声下亦有表现。摘要未提供具体数据集、模糊核、噪声水平、对照方法或数值，因而不能量化优势；实验协议、消融及统计信息尚未验证。复现还需核对预训练模型、采样器、引导参数及代码可用性。 平台推测（待验证）：这一机制可能适用于已知或可校准线性退化下的 EEG 信号恢复，假设是将测量频带的逐步引入与系统频率响应造成的衰减分开处理。可复用的是频率调度与衰减感知正则化思路；图像先验和空间轨迹约束则需改为 EEG 先验及时间或通道结构约束。低信噪比、近零频率响应、跨被试差异和小数据条件可能使生成先验压过真实测量。一个可证伪的小实验是对留出的 EEG 片段施加已知卷积退化与噪声，在相同先验和采样预算下比较解耦与不解耦引导，检查波形误差及频谱保真度；这只验证合成退化下的恢复能力，不证明 BCI 收益。已有 EEG 相关工作尚未检索确认。