Fractal Signatures: Securing AI-Generated Pollock-Style Art via Intrinsic Watermarking and Blockchain
College of Mathematics and System Science, Xinjiang University（数学与系统科学学院，新疆大学）
本文提出结合神经风格迁移、分形/湍流特征水印与区块链 NFT 元数据的框架，为 Pollock 风格 AI 艺术提供可验证版权保护，攻击下平均检测率达 76.2%。
2025-07-23 cs.CV
Indescribable Multi-modal Spatial Evaluator
Manteia Tech（Manteia科技）；University of California, Los Angeles（加州大学洛杉矶分校）；Fuzhou University（福州大学）；Xiamen University（厦门大学）；Mayo Clinic Arizona（亚利桑那梅奥诊所）
多模态图像配准在空间上对准具有不同分布的两个图像。其主要挑战之一是从不同成像机器获取的图像具有不同的成像分布，使得难以仅关注图像的空间方面而忽略分布的差异。在这项研究中，我们开发了一种自监督的方法，不可描述的多模型空间评估器（IMSE），以解决多模态图像配准。IMSE创建一个精确的多模态空间评估器来测量两幅图像之间的空间差异，然后通过最小化评估器的预测误差来优化配准。为了优化IMSE的性能，我们还提出了一种新的风格增强方法，称为Shuffle Remap，它将图像分布随机化为多个片段，然后对这些片段进行随机排列和重映射，从而改变原始图像的分布。Shuffle Remap可以帮助IMSE从看不见的目标分布中预测空间位置的差异。我们的研究结果表明，IMSE优于现有的方法注册使用T1-T2和CT-MRI数据集。IMSE也可以很容易地集成到传统的配准过程中，并可以提供一种方便的方式来评估和可视化配准结果。IMSE也有可能被用作图像到图像翻译的新范例。我们的代码可在https://github.com/Kid-Liet/IMSE上获得。
2023-03-02 cs.CV eess.IV
PS-StyleGAN: Illustrative Portrait Sketching using Attention-Based Style Adaptation
IIIT-Hyderabad（印度理工学院海得拉巴分校）
本文提出PS-StyleGAN，利用StyleGAN的W+潜空间和注意力仿射变换模块，在少量成对样本和短训练时间下实现可编辑且保持身份的人像素描生成，并在多个数据集上优于现有方法。
2024-08-31 cs.CV
Efficient Hair Style Transfer with Generative Adversarial Networks
University of Ege（爱琴海大学）；Syntonym；Huawei（华为）
尽管最近使用生成对抗网络（GANs）成功地实现了图像生成和风格转移，但由于人类头发在野外条件下的形状和风格可变性，头发合成和风格转移仍然具有挑战性。目前最先进的头发合成方法难以保持目标风格的全局组成，并且由于其在高分辨率肖像图像上的高运行成本而不能用于实时应用。因此，我们提出了一种新的发型转移方法，称为EHGAN，它降低了计算成本，使实时处理，同时提高了发型的转移与更好的全局结构相比，其他国家的最先进的头发合成方法。为了实现这一目标，我们训练编码器和低分辨率生成器来传输发型，然后使用预训练的超分辨率模型来提高结果的分辨率。我们利用自适应实例规范化（AdaIN）和设计我们的新的头发混合块（HBB），以获得最佳性能的生成器。EHGAN所需的时间消耗分别比最先进的EHGAN和LOHO方法少约2.7倍和超过10，000倍，同时获得比竞争对手更好的照片真实感和结构相似性。
2022-10-22 cs.CV eess.IV
UMFA: A photorealistic style transfer method based on U-Net and multi-layer feature aggregation
Jiangnan University（江南大学）；University of Surrey（萨里大学）
在本文中，我们提出了一个真实感风格传递网络，以强调真实感图像风格化的自然效果。一般来说，图像内容的失真和细节的缺乏是风格传递领域的两个典型问题。为此，我们设计了一个新的框架，采用U-Net结构，以保持丰富的空间线索，与多层特征聚合（MFA）的方法，同时提供的细节，在风格化处理中获得的浅层。特别地，基于密集块的编码器和解码器共同构成对称的U-Net结构，实现了有效的特征提取和图像重建。此外，在跳过连接的位置插入基于MFA和“自适应实例规范化”（AdaIN）的转换模块来实现风格化。因此，风格化图像具有真实照片的纹理，并且保留丰富的内容细节，而不引入任何掩模或后处理步骤。在公开数据集上的实验结果表明，该方法在保持较低风格损失的情况下，获得了更高的结构相似度，体现了该方法的有效性和优点。
2021-08-13 cs.CV eess.IV
Token-Shuffle: Towards High-Resolution Image Generation with Autoregressive Models
Northeastern University（东北大学）；Meta GenAI（Meta 生成人工智能）；Meta FAIR；National University of Singapore（国立新加坡大学）；The Chinese University of Hong Kong（香港中文大学）；University of Washington（华盛顿大学）
提出Token-Shuffle方法，通过合并空间局部token减少Transformer中的图像token数量，使多模态大语言模型无需额外文本编码器即可高效生成2048x2048高分辨率图像，并在GenAI-benchmark上优于LlamaGen和LDM。
2025-04-27 cs.CV
Implicit Style-Content Separation using B-LoRA
Tel Aviv University（特拉维夫大学）；Reichman University（雷赫曼大学）
提出 B-LoRA 方法，利用 LoRA 联合训练 SDXL 中两个特定块以隐式分离图像风格与内容，显著提升风格化效果并缓解过拟合，支持多种风格化任务。
2024-09-22 cs.CV
Stylizing ViT: Anatomy-Preserving Instance Style Transfer for Domain Generalization
xAILab Bamberg, University of Bamberg, Bamberg, Germany（巴姆堡大学）
Stylizing ViT通过权重共享的注意力块实现解剖保持的实例风格迁移，提升领域泛化能力，实验显示在多个医学图像分类任务中准确率提升13%并减少伪影。
2026-01-24 cs.CV cs.LG eess.IV
FISTNet: FusIon of STyle-path generative Networks for Facial Style Transfer
University of Sindh（信德大学）；West Virginia University（西弗吉尼亚大学）；IKLab Inc.（IKLab公司）；Tech University of Korea（韩国技术大学）；University of Calabria（卡拉布里亚大学）；Munster Technological University（芒斯特理工大学）
本文提出FISTNet，通过融合预训练多路径StyleGAN与残差调制模块及门控映射单元，在有限数据下实现多风格面部迁移并保留身份细节。
2024-04-02 cs.CV
Boosting Adversarial Transferability by Block Shuffle and Rotation
Chinese University of Hong Kong（香港中文大学）；Nanyang Technological University（南洋理工大学）；Huawei（华为）
本文提出了一种名为块打乱和旋转（BSR）的新型输入变换攻击方法，通过打破图像内在关系扰乱注意力热图，显著提升了对抗样本在黑盒设置下的可迁移性。
2024-03-25 cs.CV eess.IV
Training-Free Style and Content Transfer by Leveraging U-Net Skip Connections in Stable Diffusion
Max Planck Society（马克斯·普朗克学会）；University of Zurich（苏黎世大学）；Sapienza University of Rome（罗马第一大学）；University of Cambridge（剑桥大学）
本文分析了Stable Diffusion中U-Net跳跃连接的作用，发现第三个编码器块的残差连接携带空间信息并分离内容与风格，据此提出SkipInject方法，实现了免训练的图像编辑与风格迁移，在内容对齐与结构保留上达到最优权衡。
2025-04-04 cs.CV
RainSD: Rain Style Diversification Module for Image Synthesis Enhancement using Feature-Level Style Distribution
Daegu Gyeongbuk Institute of Science and Technology（大邱庆北科学技术院）；Korea Automotive Testing and Research Institute（韩国汽车测试研究院）
针对恶劣天气下传感器遮挡威胁自动驾驶感知的问题，提出RainSD模块，基于BDD100K构建带雨条纹遮挡的合成数据集，并全面评估分析了多任务感知网络的性能退化趋势。
2023-12-31 cs.CV
StyleSwin: Transformer-based GAN for High-resolution Image Generation
University of Science and Technology of China（中国科学技术大学）；Microsoft Research Asia（微软亚洲研究院）
尽管在广泛的视觉任务中取得了诱人的成功，但Transformers在高分辨率图像生成建模方面尚未表现出与ConvNets同等的能力。在本文中，我们试图探索使用纯Transformers建立一个生成对抗网络的高分辨率图像合成。为此，我们认为，本地注意力是至关重要的计算效率和建模能力之间的平衡。因此，建议发电机采用Swin Transformer在一个基于风格的架构。为了实现更大的感受野，我们提出了双重注意力，同时利用本地和移动窗口的上下文，从而提高生成质量。此外，我们表明，提供知识的绝对位置，已经失去了基于窗口的Transformers大大有利于生成质量。所提出的StyleSwin可扩展到高分辨率，粗几何和精细结构都受益于Transformers的强大表现力。然而，在高分辨率合成期间出现块伪像，因为以逐块方式执行局部注意可能破坏空间相干性。为了解决这个问题，我们经验性地研究了各种解决方案，其中我们发现，采用小波变换来检查光谱差异有效地抑制了文物。大量的实验显示了优于现有的基于变换器的GANs，特别是在高分辨率上，例如，1024x1024。StyleSwin没有复杂的训练策略，在CelebA-HQ 1024上优于StyleGAN，并在FFHQ-1024上实现了同等的性能，证明了使用Transformers生成高分辨率图像的承诺。代码和模型将在https://github.com/mic…
2022-07-21 cs.CV
OrthoFuse: Training-free Riemannian Fusion of Orthogonal Style-Concept Adapters for Diffusion Models
HSE University（高等经济大学）；FusionBrain Lab（FusionBrain实验室）；AXXX
本文提出无训练的正交适配器融合方法，通过几何性质和谱恢复变换实现多任务适配器的高效融合，适用于生成模型的主体驱动生成任务。
2026-04-06 cs.AI cs.CV cs.LG
SEAN: Image Synthesis with Semantic Region-Adaptive Normalization
KAUST（阿卜杜拉国王科技大学）；Cardiff University（卡迪夫大学）
我们提出了语义区域自适应规范化（SEAN），一个简单但有效的构建块生成对抗网络的分割掩码，描述所需的输出图像中的语义区域的条件。使用SEAN规范化，我们可以构建一个网络架构，可以单独控制每个语义区域的风格，例如，我们可以为每个区域指定一个样式参考图像。在重建质量、可变性和视觉质量方面，SEAN比以前最好的方法更适合编码、传输和合成风格。我们在多个数据集上评估了SEAN，并报告了比当前最先进的定量指标（例如FID，PSNR）。SEAN还推动了交互式图像编辑的前沿。我们可以通过更改分割掩码或任何给定区域的样式来交互式编辑图像。我们还可以从每个区域的两个参考图像中插入样式。
2020-05-24 cs.CV cs.GR eess.IV
Block-wise LoRA: Revisiting Fine-grained LoRA for Effective Personalization and Stylization in Text-to-Image Generation
Huawei Cloud Computing Technologies Co., Ltd（华为云计算技术有限公司）
针对文本生成图像现有高效微调方法难以兼顾有效个性化与风格化的问题，提出分块LoRA对SD不同模块细粒度微调，实现图像贴合提示、保留目标特征且符合目标风格，经实验验证有效。
2024-03-12 cs.AI cs.CV
StyleGallery: Training-free and Semantic-aware Personalized Style Transfer from Arbitrary Image References
StyleGallery通过语义感知和无需训练的框架，实现任意图像参考的个性化风格迁移，提升内容保留与风格化平衡能力。
2026-03-12 cs.CV
Context-Consistent Semantic Image Editing with Style-Preserved Modulation
Fudan University（复旦大学）；China University of Petroleum（中国石油大学）
语义图像编辑利用本地语义标签映射来在编辑区域中生成期望的内容。最近的一项工作借用SPADE块来实现语义图像编辑。然而，由于编辑区域和周围像素之间的风格差异，它不能产生令人满意的结果。我们将此归因于SPADE仅使用独立于图像的局部语义布局，但忽略了已知像素中包含的特定于图像的样式。为了解决这个问题，我们提出了一个风格保留调制（SPM）包括两个调制过程：第一调制结合上下文风格和语义布局，然后生成两个融合的调制参数。第二调制采用融合参数来调制特征图。通过使用这两个调制，SPM可以注入给定的语义布局，同时保留图像特定的上下文风格。此外，我们设计了一个渐进式的架构，用于以粗到细的方式生成编辑后的内容。所提出的方法可以获得上下文一致的结果，并显着减轻生成的区域和已知像素之间的不愉快的边界。
2022-07-13 cs.CV
One-shot Embroidery Customization via Contrastive LoRA Modulation
Zhejiang Sci-Tech University（浙江科技学院）；Style3D Research（Style3D研究）；State Key Lab of CAD\&CG, Zhejiang University（CAD\&CG国家重点实验室）；Style3D Research Hangzhou China（Style3D研究杭州中国）
本文提出一种基于对比LoRA调制的单样本细粒度风格迁移框架，通过两阶段对比学习和自知识蒸馏解耦风格与内容，在刺绣定制任务上超越现有方法，并成功泛化到艺术风格迁移、素描上色和外观迁移等领域。
2025-09-23 cs.CV cs.GR
DA-Font: Few-Shot Font Generation via Dual-Attention Hybrid Integration
School of Computer Science and Technology, Soochow University（苏州大学计算机科学与技术学院）
DA-Font提出双注意力混合模块，通过组件注意力与关系注意力协同保持字形结构与风格纹理，并辅以角点一致性和弹性网格特征损失，在少样本字体生成中超越现有方法。
2025-09-20 cs.CV
SubZero: Composing Subject, Style, and Action via Zero-Shot Personalization
Qualcomm AI Research（高通人工智能研究部门）；Qualcomm Technologies, Inc.（高通技术公司）
SubZero提出免微调框架，通过新颖约束和正交化时间聚合及定制投影器，实现任意主体、风格与动作的零样本组合，显著优于现有方法。
2025-02-27 cs.CV
3D Human Shape Style Transfer
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；Inria（法国国家信息与自动化研究所）；CNRS（法国国家科学研究中心）；Grenoble INP（格勒诺布尔国立综合理工学院）
我们考虑的问题修改/替换的形状风格的一个真正的移动字符与一个任意的静态真正的源字符。传统的解决方案遵循的姿势转移策略，从移动的字符到源字符形状，这依赖于骨骼姿势参数化。在本文中，我们探索了一种替代方法，将源形状风格转移到移动字符上。预期的好处是，以避免固有的困难的姿势形状转换所需的骨架参数化应用于真实的字符。为了这个目的，我们考虑图像风格转移技术，并研究如何使它们适应3D人体形状。自适应实例规范化（AdaIN）和SPADE架构已被证明可以有效和准确地将一个图像的风格转移到另一个图像上，同时保留原始图像结构。其中AdaIN贡献了一个模块，通过主题的统计来执行风格转换，SPADE贡献了一个残差块架构来改进风格转换的质量。我们证明，这些方法是可扩展到3D形状域，提出了一个卷积神经网络，适用于相同的原则，保持形状结构（形状姿势），同时转移的风格，一个新的主题形状。生成的结果通过一个模拟模块进行监督，以评估形状的真实性，同时强制解码器合成合理的形状，并改善未见过的主题的风格转移。我们的实验表明，平均$\approx 56\%$定性和定量的改进，通过基于优化和基于学习的方法在形状转移的基线。
2021-09-03 cs.CV
U-StyDiT: Ultra-high Quality Artistic Style Transfer Using Diffusion Transformers
College of Computer Science and Technology, Zhejiang University（浙江大学计算机科学与技术学院）；AI Research（360人工智能研究院）
本文提出基于扩散Transformer的U-StyDiT方法，通过多视角风格调制器和StyDiT Block实现内容-风格解耦，并构建Aes4M数据集，以生成超高质量艺术风格化图像。
2025-03-11 cs.CV
MimicParts: Part-aware Style Injection for Speech-Driven 3D Motion Generation
针对语音驱动3D动作生成中风格多样性与区域差异建模不足的问题，提出MimicParts框架，通过部分感知风格注入与去噪网络，利用节奏和情感线索精确引导各身体区域，生成更自然且富有表现力的动作。
2025-10-15 cs.AI cs.CV
PP-GAN : Style Transfer from Korean Portraits to ID Photos Using Landmark Extractor with GAN
Kumoh National Institute of Technology（金乌国立工科大学）
提出PP-GAN，利用地标提取器和生成对抗网络，在保留面部身份的同时将韩国肖像中的“Gat”头饰等风格迁移至证件照，性能优于先前方法。
2023-06-23 cs.CV
The Temporal Moderation Gap: Text-to-Video Safety Filters Are Blind to Harm in Motion
National University of Singapore（新加坡国立大学）；University of New South Wales（新南威尔士大学）；Fuzhou University（福州大学）
本研究揭示文本到视频安全过滤器因忽略帧顺序而存在时间调节缺口，并证明顺序感知检测器能有效识别此类有害片段。
2026-09-23 cs.CV
InstantStyle: Free Lunch towards Style-Preserving in Text-to-Image Generation
InstantX Team（InstantX团队）
本文提出 InstantStyle 框架，通过在特征空间解耦风格与内容，并仅向风格专属块注入参考特征，实现免微调、防泄漏且兼顾风格强度与文本可控性的图像风格化。
2024-04-04 cs.CV
3D Stylization via Large Reconstruction Model
Bilkent University（比尔肯大学）；Adobe Research（Adobe研究）
本文提出一种基于大型重建模型注意力机制的3D外观风格化方法，通过注入视觉风格图像特征实现多视角一致的3D资产外观迁移，无需训练或测试时优化，显著提升效率且保持高质量。
2025-04-30 cs.CV
AugShuffleNet: Communicate More, Compute Less
ShuffleNetV 2作为一个非常紧凑的模型，为设计高效的ConvNets提供了一个很好的例子，但它的局限性很少被注意到。在本文中，我们重新思考ShuffleNetV 2的设计模式，并发现通道的冗余问题仍然限制了Shuffle块的效率提高更广泛的ShuffleNetV 2。为了解决这个问题，我们提出了另一种增强变体的shuffle块的形式，类似于sock-like结构和更隐式的短连接。为了验证这个构建块的有效性，我们进一步构建了一个更强大，更高效的模型家族，称为AugShuffleNets。在CIFAR-10和CIFAR-100数据集上进行评估，AugShuffleNet在准确性方面始终优于ShuffleNetV 2，计算成本更低，参数数量更少。
2022-08-21 cs.CV cs.LG
Soulstyler: Using Large Language Model to Guide Image Style Transfer for Target Object
College of Computer Science and Technology, Harbin Engineering University（哈尔滨工程大学计算机科学与技术学院）；Modeling and Emulation in E-Government National Engineering Laboratory（电子政务建模仿真国家工程实验室）
Soulstyler框架利用大型语言模型解析文本描述，并结合CLIP语义嵌入与局部文本-图像块匹配损失，实现对图像中特定目标对象的精准风格迁移而不影响背景。
2023-11-29 cs.AI cs.CV
FontDiffuser: One-Shot Font Generation via Denoising Diffusion with Multi-Scale Content Aggregation and Style Contrastive Learning
South China University of Technology（华南理工大学）；SCUT-Zhuhai Institute of Modern Industrial Innovation（华南理工大学珠海现代产业创新研究院）；Alibaba Group（阿里巴巴集团）
针对现有字体生成方法在复杂字符和大幅风格变化下的不足，提出基于扩散模型的FontDiffuser，通过多尺度内容聚合模块与风格对比精炼模块提升效果，达到当前最优性能且代码已开源。
2023-12-19 cs.AI cs.CV
JanusNet: Hierarchical Slice-Block Shuffle and Displacement for Semi-Supervised 3D Multi-Organ Segmentation
JanusNet提出一种双阶段轴对齐数据增强框架，通过切片块洗牌与置信度引导位移，在保留解剖连续性的同时强化难分割区域，显著提升半监督3D多器官分割性能。
2025-08-06 cs.CV
SSGaussian: Semantic-Aware and Structure-Preserving 3D Style Transfer
College of Computer Science and Technology, Zhejiang University（计算机科学与技术学院，浙江大学）
针对现有3D风格迁移方法高层语义提取弱、结构清晰度不足的问题，提出SSGaussian管线，通过跨视角风格对齐与实例级风格迁移，结合2D扩散先验实现更优3D风格化效果，在多类场景中性能超越SOTA。
2025-09-04 cs.AI cs.CV
Style-Extracting Diffusion Models for Semi-Supervised Histopathology Segmentation
Friedrich-Alexander-Universität Erlangen-Nürnberg (FAU)（埃尔朗根-纽伦堡弗里德里希-亚历山大大学）；University Hospital Erlangen（埃尔朗根大学医院）
提出风格提取扩散模型，通过风格和内容双条件机制零样本生成未见风格图像，并利用合成数据半监督训练提升了组织病理学分割性能。
2024-03-21 cs.AI cs.CV cs.LG
Lite-HRNet: A Lightweight High-Resolution Network
Huazhong University of Science and Technology（华中科技大学）；Microsoft（微软）
我们提出了一个高效的高分辨率网络，Lite-HRNet，用于人体姿态估计。我们首先简单地将ShuffleNet中的高效shuffle块应用于HRNet（高分辨率网络），从而获得比流行的轻量级网络（如MobileNet，ShuffleNet和Small HRNet）更强的性能。我们发现，大量使用的逐点（1x 1）卷积在洗牌块成为计算瓶颈。我们引入了一个轻量级的单元，条件通道加权，以取代昂贵的逐点（1x 1）卷积洗牌块。通道加权的复杂度与通道数成线性关系，并且低于逐点卷积的二次时间复杂度。我们的解决方案从所有通道和多个分辨率中学习权重，这些权重在HRNet的并行分支中很容易获得。它使用权重作为跨通道和分辨率交换信息的桥梁，补偿逐点（1x 1）卷积所扮演的角色。Lite-HRNet在人体姿态估计方面表现出优于流行的轻量级网络的结果。此外，Lite-HRNet可以很容易地应用于语义分割任务，在相同的轻量级方式。代码和模型已在https://github.com/HRNet/Lite-HRNet上公开提供。
2021-04-13 cs.CV
Dense U-net for super-resolution with shuffle pooling layer
Jiangnan University（江南大学）
随着计算机视觉领域深度学习技术的发展，近年来单图像超分辨率研究取得了很大进展。在这些方法中，在特征提取之前，使用单个滤波器（通常为最大池化）将高分辨率输入图像缩小到低分辨率空间。这意味着特征提取是在有偏滤波的特征空间中执行的。我们证明，这是次优的，并导致信息丢失。在这项工作中，我们提出了一种最先进的卷积神经网络方法，称为具有洗牌池的密集U网。为了实现这一点，一个修改的U-网与密集块，称为密集U-网，提出了SISR。在此基础上，设计了一种新的池化策略--洗牌池化策略，以取代稠密U网进行下规模操作。通过这样做，我们有效地用专门为每个特征图训练的更多有损下采样滤波器替换了SISR管道中的手工滤波器，同时还减少了整个SISR操作的信息丢失。此外，提出了一种结合均方误差（MSE）、结构相似性指数（SSIM）和平均梯度误差（MGE）的混合损失函数，以减少感知损失和高层信息损失。我们所提出的方法实现了优越的准确性比以前的国家的最先进的三个基准数据集：SET 14，BSD 300，ICDAR 2003。代码可在线获取。
2021-01-09 cs.CV eess.IV
Multilevel Image Encryption
National Institute of Technology Karnataka（卡纳塔克邦国家理工学院）
随着数字数据交换的快速发展和多媒体图像使用的增加，保护机密图像数据不被未经授权的访问是必要的。在自然图像中，相邻像素的值和位置是强相关的。本文提出的方法，打破这种相关性增加熵的位置和熵的像素值分别使用块洗牌和加密的混沌序列。原始图像最初被逐行混洗，并且使用加法模运算执行第一级加密。图像被分成块，然后使用Arnold Cat变换执行基于块的置乱，进一步地，块在图像上被均匀地置乱。最后，通过逐位XOR运算对混洗后的图像进行第二级加密，然后对整个图像进行逐列混洗以产生用于传输的加密图像。实验结果表明，该算法能够成功地利用密钥对图像进行加密或解密，加密后的图像具有较好的信息熵和较低的相关系数。
2012-02-22 cs.CR cs.CV
StyleGAN Encoder-Based Attack for Block Scrambled Face Images
Tokyo Metropolitan University（东京都立大学）
在本文中，我们提出了一种攻击方法，以块置乱的人脸图像，特别是加密然后压缩（ETC）应用的图像，利用现有的强大的StyleGAN编码器和解码器的第一次。而不是重建相同的图像作为普通的加密图像，我们专注于恢复风格，可以揭示可识别的信息，从加密图像。所提出的方法通过使用具有特定训练策略的明文和加密图像对来训练编码器。虽然国家的最先进的攻击方法不能从EtC图像恢复任何感知信息，所提出的方法公开了个人身份信息，如头发颜色，肤色，眼镜，性别等CelebA数据集上进行的实验，结果表明，重建图像有一些感知相似性相比，平原图像。
2022-09-16 cs.CV
Exploiting Style and Attention in Real-World Super-Resolution
University of Chinese Academy of Sciences（中国科学院大学）；CASIA（中国科学院自动化研究所）
真实世界图像的超分辨率（SR）是一个具有挑战性的图像平移问题。低分辨率（LR）图像通常由各种未知变换生成，而不是通过对高分辨率（HR）图像应用简单的双线性下采样来生成。为了解决这个问题，本文提出了一种新的流水线，它利用了真实世界SR中的风格和注意力机制。我们的流水线由一个风格变分自编码器（styleVAE）和一个结合了注意力机制的SR网络组成。为了获得与HR图像配对的真实世界般的低质量图像，我们设计了styleVAE来将真实世界LR图像中的复杂干扰因素转移到生成的LR图像中。我们还使用互信息估计（MI），以获得更好的风格信息。对于我们的SR网络，我们首先提出了一个全局注意力残差块来学习图像中的长程依赖关系。然后，提出了另一个局部注意力残差块，以加强SR网络的注意力移动到局部区域的图像，其中纹理细节将被填充。值得注意的是，styleVAE可以以即插即用的方式呈现，因此可以帮助提高我们的SR方法以及其他SR方法的泛化性和鲁棒性。大量的实验表明，我们的方法超越了国家的最先进的工作，定量和定性。
2020-10-11 cs.CV eess.IV
Enhancing Adversarial Transferability in Visual-Language Pre-training Models via Local Shuffle and Sample-based Attack
针对视觉语言预训练模型跨模态攻击中的过拟合问题，提出局部打乱和基于样本的攻击方法LSSA，通过随机打乱局部图像块并采样生成对抗图文，显著提升了多模态对抗样本的可迁移性。
2025-11-02 cs.AI cs.CV
AutoBSS: An Efficient Algorithm for Block Stacking Style Search
Huawei（华为）
神经网络的结构设计主要集中在新的卷积算子或网络块的特殊拓扑结构上，而很少关注块堆叠方式（Block Stacking Style，BSS）。最近的研究表明，盲源分离也可能对网络产生不可忽视的影响，因此我们设计了一个有效的算法来自动搜索它。AutoBSS算法是一种基于贝叶斯优化的AutoML算法，通过对块堆叠样式码（BSSC）进行迭代细化和聚类，可以在少量的试验中找到最优的BSS，且不会产生偏差。在ImageNet分类任务中，使用我们搜索的BSS的ResNet 50/MobileNetV 2/EfficientNet-B 0分别达到了79.29%/74.5%/77.79%，大大优于原始基线。更重要的是，在模型压缩、目标检测和实例分割等方面的实验结果表明，该算法具有很强的推广性，进一步验证了盲分离对神经网络的不可忽视的影响。
2021-03-29 cs.AI cs.CV cs.LG
Remove Appearance Shift for Ultrasound Image Segmentation via Fast and Universal Style Transfer
Shenzhen University（深圳大学）
深度神经网络（DNN）在图像外观发生偏移时会出现性能下降，特别是在超声（US）图像分割中。在本文中，我们提出了一种新颖而直观的框架来消除外观变化，从而提高DNN的泛化能力。我们的工作有三个亮点。首先，我们遵循通用风格转移的精神，以消除外观变化，这是以前没有探索过的美国图像。在不牺牲图像结构细节的情况下，它可以实现任意风格内容的传输。其次，通过自适应实例归一化块加速，我们的框架实现了临床US扫描所需的实时速度。第三，提出了一种高效的风格图像选择策略，以确保目标风格图像和测试内容图像能够正确匹配。在两个大型美国数据集上的实验表明，我们的方法在使DNN对各种外观变化具有鲁棒性方面优于最先进的方法。
2020-02-14 cs.CV eess.IV
MLA-BIN: Model-level Attention and Batch-instance Style Normalization for Domain Generalization of Federated Learning on Medical Image Segmentation
School of Computer and Communication Engineering, Zhengzhou University of Light Industry（郑州轻工业大学计算机与通信工程学院）；Department of Applied Computing, Michigan Technological University（密歇根理工大学应用计算系）
针对联邦学习在医学图像分割未见域上的性能下降问题，提出MLA-BIN方法，通过设计模型级注意力模块和批实例风格归一化块，有效提升模型的领域泛化能力，并在实验中优于现有方法。
2023-06-29 cs.CV eess.IV
Learning Heatmap-Style Jigsaw Puzzles Provides Good Pretraining for 2D Human Pose Estimation
University of Chinese Academy of Sciences（中国科学院大学）；Horizon Robotics（地平线机器人）；Harbin Institute of Technology（哈尔滨工业大学）
二维人体姿态估计的目标是从输入的二维图像中定位人体部位的关键点。最先进的姿态估计方法通常从关键点构建像素级热图作为学习卷积神经网络的标签，卷积神经网络通常随机初始化或使用ImageNet上的分类模型作为其骨干。我们注意到，2D姿态估计任务高度依赖于图像块之间的上下文关系，因此我们引入了一种自监督的方法来预训练2D姿态估计网络。具体来说，我们提出了热图式拼图（HSJP）问题作为我们的预文本任务，其目标是学习每个补丁的位置，从一个由洗牌补丁组成的图像。在我们的预训练过程中，我们只使用MS-COCO中的人实例的图像，而不是引入额外的更大的ImageNet数据集。设计了一种热图式的斑块定位标签，学习过程采用非对比的方式。通过HSJP prefect任务学习的权重被用作2D人体姿态估计器的骨干，然后在MS-COCO人体关键点数据集上进行微调。使用两个流行且强大的2D人体姿势估计器HRNet和SimpleBaseline，我们在MS-COCO验证和测试开发数据集上评估mAP评分。我们的实验表明，使用我们的自我监督预训练的下游姿态估计器比从头开始训练的姿态估计器获得了更好的性能，并且与使用ImageNet分类模型作为其初始主干的姿态估计器相当。
2020-12-13 cs.CV
Dual Residual Networks Leveraging the Potential of Paired Operations for Image Restoration
Tohoku University（东北大学）；RIKEN Center for AIP（理化学研究所AIP中心）
本文研究了用于图像复原任务的深度神经网络设计。我们提出了一种新的风格的剩余连接被称为“双重剩余连接”，它利用了潜在的配对操作，例如，上采样和下采样或与大尺寸和小尺寸内核的卷积。我们设计了一个实现这种连接风格的模块化块，它配备了两个容器，任意配对操作插入。采用Veit等人提出的剩余网络的“未解开”观点，我们指出，所提出的模块块的堆栈允许块中的第一操作与任何后续块中的第二操作交互。将这两个操作分解到每个堆叠块中，为图像复原的每个任务建立一个完整的网络。我们实验评估所提出的方法上的五个图像复原任务，使用九个数据集。结果表明，具有适当选择的配对操作的拟议网络在几乎所有任务和数据集上的性能都优于以前的方法。
2019-04-07 cs.CV
A Mask Attention Interaction and Scale Enhancement Network for SAR Ship Instance Segmentation
University of Electronic Science and Technology of China（电子科技大学）
现有的合成孔径雷达（SAR）舰船实例分割模型大多没有实现掩模交互或交互性能有限。此外，它们的多尺度船舶实例分割性能适中，特别是对小型船舶。针对这些问题，提出了一种用于SAR舰船实例分割的掩模注意交互和尺度增强网络（MAI-SE-Net）。MAI使用一个空间中间池（ASPP）来获得多分辨率的特征响应，使用一个非局部块（NLB）来模拟长距离的空间依赖，使用一个级联的混洗注意块（CSAB）来提高交互效果。SE使用内容感知的特征重组块（CARAFEB）来生成额外的金字塔底层以提高小型船舶的性能，使用特征平衡操作（FBO）来改善尺度特征描述，并使用全局上下文块（GCB）来细化特征。在两个公开的SSDD和HRSID数据集上的实验结果表明，MAI-SE-Net的性能优于其他9个竞争模型，在SSDD上的检测AP和分割AP分别提高了4.7%和3.4%，在HRSID上的检测AP和分割AP分别提高了3.0%和2.4%.
2022-07-08 cs.CV
UnZipLoRA: Separating Content and Style from a Single Image
University of Illinois, Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本文提出UnZipLoRA方法，通过同时训练两个LoRA从单张图像中解耦主体与风格，确保LoRA兼容性并支持独立操作，经评估其效果优于现有先进方法。
2025-08-19 cs.CV
M2IR: Proactive All-in-One Image Restoration via Mamba-style Modulation and Mixture-of-Experts
School of Computer Science and Technology, Nanjing University of Aeronautics and Astronautics（南京航空航天大学计算机科学与技术学院）；School of Computer Science and Technology, Anhui University of Technology（安徽工业大学计算机科学与技术学院）；Shenzhen Ubiquitous Data Enabling Key Laboratory, Tsinghua Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院深圳 ubiquitous 数据赋能重点实验室）；College of Artificial Intelligence, Taiyuan University of Technology（太原科技大学人工智能学院）
本文提出M2IR框架，通过编码阶段主动调节降质传播和解码阶段高效消除残余降质，提升图像修复的泛化能力与适应性。
2026-03-16 cs.CV
Image Stylization: From Predefined to Personalized
Google Research（谷歌研究院）
我们提出了一个框架，使用广泛的预定义的过滤器块的新的图像风格化的交互式设计。这两种新的和现成的图像过滤和渲染技术的扩展和组合，使用户能够释放他们的创造力，直观地发明，修改和调整新的风格，从一组给定的过滤器。在平行于此手动设计，我们提出了一种新的程序方法，自动组装过滤器的序列，导致独特和新颖的风格。我们的框架的一个重要目标是允许交互式探索和设计，以及使视频和相机流在飞行中风格化。为了实现这种实时性能，我们使用了\textit{Best Linear Adaptive Enhancement}（BLADE）框架--一种可解释的浅层机器学习方法，可以实时的模拟复杂的滤波器块。我们的代表性结果包括使用我们的交互式工具设计的十几种风格，一组程序化创建的风格，以及使用我们的BLADE方法训练的新过滤器。
2020-02-22 cs.CV cs.GR
An Efficient and Small Convolutional Neural Network for Pest Recognition -- ExquisiteNet
National Taiwan Normal University（台湾师范大学）
如今，由于人口的迅速增长，粮食短缺已成为一个严重的问题。为了稳定粮食生产，防止农作物遭受虫害是非常重要的。一般来说，农民使用杀虫剂来杀死害虫，但是，不适当地使用杀虫剂也会杀死一些对作物有益的昆虫，例如蜜蜂。如果蜜蜂的数量太少，世界上的食物补充就会不足。此外，过量的农药会严重污染环境。因此，农民需要一种能够自动识别害虫的机器。最近，深度学习因其在图像分类领域的有效性而受到欢迎。在本文中，我们提出了一个小而高效的模型，称为ExquisiteNet来完成识别害虫的任务，我们希望将我们的模型应用于移动设备上。ExquisiteNet主要由两个块组成。一种是双融合挤压-激发瓶颈块（DFSEB块），另一种是最大特征扩展块（ME块）。ExquisiteNet只有0.98M的参数，计算速度非常快，几乎和SqueezeNet一样。为了评估我们的模型的性能，我们在一个名为IP 102的基准害虫数据集上测试了我们的模型。与许多最先进的模型相比，如ResNet 101，ShuffleNetV 2，MobileNetV 3-large和EfficientNet等，在没有任何数据增强的情况下，我们的模型在IP 102的测试集上达到了52.32%的准确率。
2021-07-15 cs.CV
CMFDFormer: Transformer-based Copy-Move Forgery Detection with Continual Learning
Beijing Electronic Science and Technology Institute（北京电子科技学院）；Jimei University（集美大学）；Xidian University（西安电子科技大学）；University of Science and Technology of China（中国科学技术大学）
针对深度学习复制-移动伪造检测方法依赖合成数据、面对新任务性能下降的问题，提出基于Transformer的CMFDFormer检测网络及PCSD持续学习框架，在公开数据集上验证了良好性能与框架有效性。
2026-10-20 cs.CV
Multi-view Drone-based Geo-localization via Style and Spatial Alignment
Monash University（莫纳什大学）
本文主要研究了多视点多源定位问题，该问题是GPS定位的一个重要辅助方法，通过对无人机视点图像和卫星视点图像进行匹配，并预先标注GPS标签。为了解决这个问题，大多数现有的方法采用度量损失与加权分类块，以强制生成的公共特征空间共享的不同视点和视图源。然而，这些方法未能给予足够的重视，空间信息（特别是视点的变化）。为了解决这个问题，我们提出了一个优雅的基于方向的方法来对齐的模式，并引入一个新的分支来提取对齐的部分功能。此外，我们提供了一个风格对齐策略，以减少图像风格的变化，提高特征的统一性。为了证明所提出的方法的性能，我们进行了大量的实验上的大规模基准数据集。实验结果证实了所提出的方法相比，国家的最先进的替代品的优越性。
2020-07-09 cs.CV cs.LG stat.ML
