Ampliar imagens com inteligência artificial sempre envolve uma escolha difícil: aumentar demais a nitidez pode criar texturas falsas (halucinações), enquanto preservar demais a fidelidade deixa a imagem borrada. O UGDiff, apresentado em um preprint do arXiv, propõe uma solução elegante: usar a incerteza da própria reconstrução para decidir onde vale a pena adicionar detalhe e onde é melhor não mexer.
Restaurar detalhe só onde há dúvida
A ideia central do UGDiff é estimar a incerteza na reconstrução latente da imagem e combiná-la com a variância posterior do sampler de difusão. Com isso, o sistema restaura seletivamente o detalhe de alta frequência nas regiões em que a reconstrução está incerta, preservando a fidelidade e reduzindo a dependência da imagem de alta qualidade nas etapas finais da amostragem.
No teste com o conjunto real RealSR (upscaling de 4×), o UGDiff registrou o melhor equilíbrio entre percepção e distorção entre os métodos de super-resolução por difusão comparados. Com o parâmetro gamma = 0,1, marcou PSNR de 24,15 e NIQE de 5,61 — superando o DiffBIR, a referência do campo, em nitidez percebida (LPIPS de 0,317 contra 0,328) e qualidade perceptual (NIQE menor).
Um equilíbrio ajustável
O método expõe controles que permitem deslizar ao longo do eixo fidelidade × qualidade perceptual. Valores menores de gamma puxam o resultado para a média (favorecendo fidelidade e evitando textura desnecessária em regiões planas), enquanto valores maiores aceitam mais detalhe perceptual. Nos exemplos visuais, o UGDiff com gamma = 0,5 ficou visualmente próximo do DiffBIR quando o PSNR era comparável.
O treinamento do estimador de incerteza (E-prime) usou LSDIR e 10 mil imagens de rostos do FFHQ, em quatro GPUs A100 ao longo de 90 mil iterações. O modelo constrói sobre componentes do DiffBIR e do Stable Diffusion v2.1.
O que falta confirmar
Os resultados são estimativas pontuais, sem intervalos de confiança ou testes de significância — então não é possível quantificar a incerteza estatística das diferenças. A avaliação cobre DIV2K-Val e RealSR em upscaling de 4×, e os autores interpretam os dados como um melhor equilíbrio percepção-distorção nesses cenários específicos, não como superioridade universal.
Para quem trabalha com restauração de fotos, vídeo antigo ou geração de conteúdo visual, a abordagem aponta um caminho maduro: deixar a incerteza guiar onde a IA deve “inventar” detalhe — e onde deve ficar quieta.
Descubra mais sobre noticiAI
Assine para receber nossas notícias mais recentes por e-mail.
