MCFA-UNet：结合多尺度融合与注意力机制的图像生成网络

来源：计算机工程与应用杂志2025年第12期北京时间：

作者：王铁君, 张泽宇, 郭晓然, 武娇

单位：1.西北民族大学 数学与计算机科学学院，兰州 730030；2.西北民族大学 中国民族信息技术研究院，兰州 730030

摘要：在图像生成领域，基于去噪扩散概率模型（DDPM）的深度学习方法已经取得了显著的进展。然而，在处理复杂纹理和细节丰富的图像时，现有模型生成的图像会出现模糊、纹理细节不清晰等问题，主要原因是原始DDPM采用的UNet网络在捕捉高度细节化图像特征时存在一定局限性。为解决这一问题，提出了一种基于多尺度卷积和融合注意力机制的新型UNet网络，命名为MCFA-UNet。该网络通过在编码器和解码器中引入残差块和线性注意力多尺度卷积模块，并在跳跃连接中加入多尺度融合注意力组件，提升了对图像细节的捕捉能力及生成图像的整体质量。实验结果显示，在唐卡数据集、Cifar10和ImageNet-64公共数据集上，采用MCFA-UNet的DDPM模型优于原始的DDPM模型，得到了更低的FID值和更高的主观评价得分，证明了其改进效果的显著性。

关键词：图像生成,去噪扩散概率模型（DDPM）,UNet网络,AIGC方法