Coupled Iterative Refinement for 6D Multi-Object Pose Estimation
Princeton University（普林斯顿大学）
我们解决了6D多对象姿态的任务：给定一组已知的3D对象和RGB或RGB-D输入图像，我们检测和估计每个对象的6D姿态。我们提出了一种新的方法来6D对象的姿态估计，其中包括一个端到端的微分架构，利用几何知识。我们的方法以紧密耦合的方式迭代地细化姿态和对应关系，使我们能够动态地删除离群值以提高准确性。我们使用一种新的可微层来执行姿势细化，通过解决我们称为双向深度增强视角N点（BD-PPEND）的优化问题。我们的方法在标准6D Object Pose基准测试中达到了最先进的精度。代码可在https://github.com/princeton-vl/Coupled-Iterative-Refinement上获得。
2022-04-26 cs.CV
Iterative Optimisation with an Innovation CNN for Pose Refinement
Australian National University（澳大利亚国立大学）；University of Technology（悉尼科技大学）
由于光照条件和视点的变化，从单个RGB图像中估计物体的姿态是一个具有挑战性的问题。最准确的姿态估计网络通过已知的纹理化3D模型的重投影来实现姿态细化，然而，如果没有观察到的对象的高质量3D模型，则不能应用这样的方法。在这项工作中，我们提出了一种方法，即创新CNN，对象姿态估计的改进，克服了重新投影纹理3D模型的要求。我们的方法通过在随机梯度下降（SGD）框架中迭代地应用创新CNN来逐步改进初始姿态估计。我们在流行的LINEMOD和Occlusion LINEMOD数据集上评估了我们的方法，并在这两个数据集上获得了最先进的性能。
2021-01-22 cs.CV
Idea2Img: Iterative Self-Refinement with GPT-4V(ision) for Automatic Image Design and Generation
Microsoft（微软公司）
该研究提出Idea2Img系统，借助GPT-4V(ision)的多模态迭代自优化能力，通过循环修订提示词并结合模型特性记忆，实现更优质的自动图像设计与生成，且经用户偏好研究验证有效。
2024-08-14 cs.CV
Image Super-Resolution via Iterative Refinement
Google Research（谷歌研究院）
我们提出了SR 3，一种通过重复细化实现图像超分辨率的方法。SR 3将去噪扩散概率模型适应于条件图像生成，并通过随机去噪过程执行超分辨率。推理从纯高斯噪声开始，并使用在各种噪声水平下进行去噪训练的U-Net模型迭代地细化噪声输出。SR 3在不同放大倍数的超分辨率任务中表现出强大的性能，包括人脸和自然图像。我们在CelebA-HQ上对标准的8倍人脸超分辨率任务进行了人类评估，并与SOTA GAN方法进行了比较。SR 3实现了接近50%的愚弄率，这表明照片般逼真的输出，而GANs的愚弄率不超过34%。我们进一步展示了SR 3在级联图像生成中的有效性，其中生成模型与超分辨率模型链接在一起，在ImageNet上产生了11.3的竞争性FID分数。
2021-06-30 cs.CV cs.LG eess.IV
RefineLoc: Iterative Refinement for Weakly-Supervised Action Localization
Adobe Research（Adobe研究院）；King Abdullah University of Science and Technology (KAUST)（阿卜杜拉国王科技大学（KAUST））
视频动作检测器通常使用具有完全监督的时间注释的数据集进行训练。构建这样的数据集是一项昂贵的任务。为了缓解这个问题，最近的方法试图利用弱标记，其中视频未经修剪，只有视频级标签可用。在本文中，我们提出了RefineLoc，一种新的弱监督的时间动作定位方法。RefineLoc使用迭代细化方法，在每次迭代时估计和训练片段级伪地面真值。我们展示了这种迭代方法的好处，并对五种不同的伪地面真值生成器进行了广泛的分析。我们展示了我们的模型在两个标准动作数据集ActivityNet v1.2和THUMOS 14上的有效性。RefineLoc在弱监督时间定位中显示出与最先进的竞争结果。此外，我们的迭代优化过程能够显着提高两种最先进方法的性能，在THUMOS 14上设置新的最先进方法。
2020-11-08 cs.CV
Multi-Scale Iterative Refinement Network for RGB-D Salient Object Detection
China University of Petroleum, Beijing Campus (CUP)（中国石油大学（北京））
利用RGB-D信息的广泛研究已被用于显著目标检测。然而，显着的视觉线索出现在不同的尺度和分辨率的RGB图像由于语义差距在不同的功能水平。同时，在跨模态深度图像和多尺度版本中也存在类似的显著模式。在RGB-D显著目标检测任务中，跨模态融合和多尺度细化仍然是一个悬而未决的问题。在本文中，我们首先引入自顶向下和自底向上的迭代细化架构，以利用多尺度特征，然后设计基于注意力的融合模块（ABF），以解决跨模态相关性。我们在七个公共数据集上进行了广泛的实验。实验结果表明了我们设计的方法的有效性
2022-01-24 cs.CV
Fingerprint Orientation Refinement through Iterative Smoothing
University of Camerino（卡梅里诺大学）
我们提出了一种新的基于梯度的方法提取的方向字段相关联的指纹，和正则化程序，以提高从嘈杂的指纹图像计算的方向字段。正则化算法是基于三个新的积分算子，本文介绍和讨论。为了提高算法的性能，还提出了一种预处理技术。数值实验结果证明了该算法的有效性。
2017-11-09 cs.CV
House-GAN++: Generative Adversarial Layout Refinement Networks
Simon Fraser University（西蒙菲莎大学）；Autodesk Research（欧特克研究中心）
本文提出了一种新的生成对抗布局优化网络的自动布图生成。我们的架构是一个图约束的关系GAN和条件GAN，其中以前生成的布局成为下一个输入约束，使迭代细化的集成。我们研究的一个令人惊讶的发现是，一个简单的非迭代训练过程，被称为组件式GT条件反射，在学习这样的生成器时是有效的。迭代生成器还通过在迭代布局细化期间控制何时通过哪些输入约束来创建经由元优化技术进一步改进选择度量的新机会。我们的定性和定量评估的基础上的三个标准的指标表明，该系统使显着的改进，目前国家的最先进的，甚至竞争对手的地面实况平面图，由专业建筑师设计。
2021-03-03 cs.CV
Object Representations as Fixed Points: Training Iterative Refinement Algorithms with Implicit Differentiation
University of California, Berkeley（加州大学伯克利分校）；Princeton University（普林斯顿大学）
迭代细化--从随机猜测开始，然后迭代地改进猜测--是表示学习的一个有用范例，因为它提供了一种方法来打破数据的同样合理的解释之间的对称性。该属性使得能够应用这样的方法来推断实体集合的表示，诸如物理场景中的对象，在结构上类似于潜在空间中的聚类算法。然而，大多数先前的作品通过展开的细化过程来区分，这可能使优化具有挑战性。我们观察到，这种方法可以通过隐函数定理微分，并开发一种隐式微分方法，通过解耦向前和向后传递来提高训练的稳定性和易处理性。这种连接使我们能够应用优化隐式层的进步，不仅可以改善SLATE中槽注意模块的优化，这是一种用于学习实体表示的最先进方法，而且可以在反向传播中以恒定的空间和时间复杂度实现，并且只需增加一行代码。
2023-01-01 cs.AI cs.CV cs.LG
Enhancing Image Matting in Real-World Scenes with Mask-Guided Iterative Refinement
针对真实场景图像抠图面临的复杂背景与数据稀缺问题，提出Mask2Alpha迭代细化框架，利用自监督ViT语义先验、掩码引导特征选择与稀疏卷积渐进优化，在多个数据集上取得最先进效果。
2025-02-24 cs.CV
Incremental Image Labeling via Iterative Refinement
DISI, University of Trento（特伦托大学DISI学院）
针对图像标注中的语义鸿沟问题，提出基于知识表示的迭代精炼标注方法，通过视觉属性层次化组织物体以对齐语言描述，初步实验验证其有效性。
2023-04-18 cs.CV
Evaluating Constrained Iterative Refinement for Scalable Vector Graphics Generation with Off-the-Shelf VLMs
University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）；University of Central Florida（中佛罗里达大学）
本研究评估结合视觉反馈、结构化编辑与约束解码的约束迭代优化方法，探索用现成VLMs生成SVG的能力，发现约束解码提升编译成功率但VLMs存在视觉推理不足的局限。
2026-09-01 cs.CV cs.GR
Image interpolation using Shearlet based iterative refinement
Fraunhofer Institute for Telecommunications – Heinrich Hertz Institute（弗劳恩霍夫电信研究所——海因里希·赫兹研究所）；Technical University of Berlin（柏林工业大学）
提出了一种利用自然图像稀疏表示的图像插值算法。它涉及三个主要步骤：（a）使用如FIR滤波的线性方法获得高分辨率图像的初始估计，（b）通过迭代阈值处理来促进所选字典中的稀疏性，以及（c）从近似中提取高频信息以细化初始估计。对于稀疏建模，选择shearlet字典来产生多尺度方向表示。所提出的算法相比，几个国家的最先进的方法，以评估其客观和主观性能。与三次样条插值方法相比，在200幅图像的数据集上观察到约0.8 dB的平均PSNR增益。
2013-08-05 cs.CV
Dynamic Iterative Refinement for Efficient 3D Hand Pose Estimation
Seoul National University（首尔大学）；Qualcomm Technologies, Inc.（高通技术公司）
虽然手部姿态估计是大多数交互式延展实境和手势识别系统的关键组成部分，但是当代方法没有针对计算和存储器效率进行优化。在本文中，我们提出了一个微小的深度神经网络，其中部分层被递归地利用，以改善其先前的估计。在其迭代优化过程中，我们采用学习的门控标准来决定是否退出权重共享循环，从而允许在我们的模型中对每个样本进行自适应。我们的网络经过训练，能够意识到其当前预测中的不确定性，从而在每次迭代时有效地进行门控，并在每次循环后估计其关键点估计的方差。此外，我们还研究了端到端和渐进式训练协议对我们的递归结构最大化模型容量的有效性。在所提出的设置下，我们的方法在广泛使用的基准测试的准确性和效率方面始终优于最先进的2D/3D手部姿势估计方法。
2021-11-11 cs.CV
Depth Hypothesis Guided Iterative Refinement for Event-Image Monocular Depth Estimation
Southeast University（东南大学）
提出HypoDepth，首个事件-图像单目深度迭代细化框架，通过离散深度假设体和三维代价体将深度回归转为约束搜索，在DSEC和MVSEC上取得最先进结果，且微型模型支持实时运行。
2026-10-05 cs.CV
Iterative Flow Matching: Path Correction and Gradual Refinement for Enhanced Generative Modeling
The University of British Columbia（不列颠哥伦比亚大学）；University of Cambridge（剑桥大学）
本研究针对图像生成模型易产生幻觉的问题，提出可集成于各类生成建模技术的迭代流匹配方法，通过路径校正与渐进式优化提升图像合成的性能与鲁棒性。
2026-08-20 cs.AI cs.CV cs.LG
Residual Connections Encourage Iterative Inference
Jagiellonian University（雅盖隆大学）；MILA（蒙特利尔学习算法研究所）；Université de Montréal（蒙特利尔大学）；Facebook（脸书）；Aalto University（阿尔托大学）；University of Bonn（波恩大学）
残差网络（Resnets）已经成为深度学习中的一个重要架构。然而，全面了解Resnets仍然是一个正在进行的研究课题。最近的观点认为Resnets执行特征的迭代细化。我们试图进一步揭示这方面的性质。为此，我们研究Resnets分析和经验。我们形式化的概念，在Resnets的迭代细化显示，残留连接自然鼓励功能的残留块沿着负梯度的损失，因为我们从一个块到下一个。此外，我们的实证分析表明，Resnets能够执行表示学习和迭代细化。一般来说，Resnet块倾向于将表示学习行为集中在前几层，而更高层执行特征的迭代细化。最后，我们观察到，天真地共享剩余层会导致表示爆炸和反直觉，过拟合，我们表明，简单的现有策略可以帮助缓解这个问题。
2018-03-08 cs.CV
Iterative Definition Refinement for Zero-Shot Classification via LLM-Based Semantic Prototype Optimization
University of Michigan-Flint（密歇根大学弗林特分校）
本文提出一种无需训练的迭代定义优化框架，通过优化类别定义提升零样本网页内容分类性能，引入三种定义优化策略，并在13种前沿嵌入模型上验证了定义质量对分类效果的关键影响。
2026-04-30 cs.CV
ReStyle: A Residual-Based StyleGAN Encoder via Iterative Refinement
Tel Aviv University（特拉维夫大学）
最近，通过使用生成对抗网络（GANs），无条件图像合成的能力得到了显着提高。将图像转换为训练的GAN的相应潜在代码的任务至关重要，因为它允许操纵真实图像，利用网络学习的丰富语义。认识到目前的反演方法的局限性，在这项工作中，我们提出了一种新的反演方案，通过引入迭代细化机制，扩展当前基于编码器的反演方法。代替使用单次通过直接预测给定真实图像的潜码，编码器的任务是以自校正方式预测相对于反转的潜码的当前估计的残差。我们的基于残差的编码器，名为ReStyle，与当前最先进的基于编码器的方法相比，提高了准确性，推理时间的增加可以忽略不计。我们分析ReStyle的行为，以获得对其迭代性质的有价值的见解。然后，我们评估我们的残差编码器的性能，并分析其鲁棒性相比，基于优化的逆和国家的最先进的编码器。
2021-08-24 cs.CV
CATRE: Iterative Point Clouds Alignment for Category-level Object Pose Refinement
Tsinghua University（清华大学）；BNRist（北京国家信息科学与技术研究中心）；University of Washington（华盛顿大学）
虽然最近出现了类别级9自由度对象姿态估计，但由于对象形状和颜色等的巨大类别内差异，以前的基于对应关系或直接回归方法在准确性方面都受到限制。与它们正交，这项工作提出了一种类别级对象姿态和大小细化器CATRE，它能够迭代地增强点云的姿态估计，以产生准确的结果。给定初始姿态估计，CATRE通过对齐部分观测点云和抽象形状先验来预测初始姿态和地面实况之间的相对变换。具体而言，我们提出了一种新的解纠缠体系结构意识到旋转和平移/大小估计之间的固有区别。大量的实验表明，我们的方法显着优于国家的最先进的方法在REAL275，CAMERA25和LM基准高达~85.32Hz的速度，并取得了竞争力的结果类别级跟踪。我们进一步证明了CATRE可以对看不见的类别进行姿势细化。代码和训练模型可用。
2022-07-17 cs.CV
IT-TextFusion: Iterative Text-Image Interaction with Text-Guided Residual Refinement for Degradation-Aware Image Fusion
School of Automation, Southeast University（东南大学自动化学院）；Chair of Robotics, Artificial Intelligence and Real-time Systems, Technical University of Munich（慕尼黑工业大学机器人、人工智能与实时系统研究所）
本文提出IT-TextFusion框架，通过多阶段文本条件交互实现退化感知的图像融合，在基准数据集上提升了信息保留与感知质量指标。
2026-09-02 cs.CV
Accurate Gigapixel Crowd Counting by Iterative Zooming and Refinement
Aarhus University（奥胡斯大学）
针对千兆像素分辨率超出GPU内存和计算极限的人群计数难题，本文提出GigaZoom方法，通过迭代放大图像密集区域并细化密度图，在千兆像素人群计数任务上取得最优性能，将次优方法准确率提升42%。
2023-05-16 cs.CV
Iterative Token Evaluation and Refinement for Real-World Super-Resolution
Nanyang Technological University（南洋理工大学）；SenseTime Research（商汤科技研究院）
针对真实世界图像超分辨率中 GAN 难训练、连续扩散推理慢的问题，提出 ITER 离散扩散框架，通过 token 评估网络自适应细化，仅 8 步即取得良好效果。
2023-12-09 cs.CV
PrecisionCUA: Iterative Visual Refinement for Pixel-Precise Cursor Grounding in Code Editors
Microsoft（微软公司）；Carnegie Mellon University（卡内基梅隆大学）
提出PrecisionCUA方法，通过迭代视觉反馈细化机制实现代码编辑器中像素级光标定位，显著提升点击精度和任务成功率。
2026-05-28 cs.CV
IronDepth: Iterative Refinement of Single-View Depth using Surface Normal and its Uncertainty
University of Cambridge（剑桥大学）
单幅图像表面法线估计和深度估计是密切相关的问题，因为前者可以由后者计算。然而，从深度估计方法的输出计算的表面法线比由网络直接估计的表面法线精确得多。为了减少这种差异，我们引入了一个新的框架，使用表面法线和它的不确定性，反复完善预测的深度图。可以使用预测的表面法线作为指导，将每个像素的深度传播到查询像素。因此，我们将深度细化公式化为选择相邻像素进行传播的分类。然后，通过传播到子像素点，我们对细化的低分辨率输出进行上采样。所提出的方法在NYUv 2和iBims-1上显示出最先进的性能-无论是在深度还是法线方面。我们的细化模块也可以附加到现有的深度估计方法，以提高其精度。我们还表明，我们的框架，只训练深度估计，也可以用于深度完成。该代码可在https://github.com/baegwangbin/IronDepth上获得。
2022-10-07 cs.CV
iSeg: An Iterative Refinement-based Framework for Training-free Segmentation
School of Electrical and Information Engineering, Tianjin University（天津大学电气与信息工程学院）；Shanghai Artificial Intelligence Laboratory（上海人工智能实验室）；School of Big Data and Software Engineering, Chongqing University（重庆大学大数据与软件工程学院）；Mohamed bin Zayed University of Artificial Intelligence（穆罕默德·本·扎耶德人工智能大学）；Linkoping University（林雪平大学）
本研究针对免训练分割任务，提出基于迭代优化的iSeg框架，通过熵降低自注意力模块和类别增强交叉注意力模块充分利用自注意力信息，在Cityscapes无监督语义分割上较现有最优免训练方法提升3.8% mIoU。
2024-10-08 cs.CV
A Dual Iterative Refinement Method for Non-rigid Shape Matching
UC Irvine（加州大学欧文分校）；Rensselaer Polytechnic Institute（伦斯勒理工学院）；Duke University（杜克大学）
在这项工作中，提出了一个简单而有效的双重迭代加密（Dual Iterative Refinement）方法，用于两个近似等距形状之间的稠密对应。其核心思想是以互补和有效的方式使用双重信息，如空间和光谱，或局部和全局特征，并从当前迭代中提取更准确的信息用于下一次迭代。在每次迭代中，从当前对应开始，在每个点处使用放大过程以通过局部映射失真准则来选择匹配良好的锚点对。然后，这些选择的锚点对被用于对齐其维度自适应地匹配选择的锚点对的容量的谱特征（或其他适当的全局特征）。由于以数据自适应的方式有效地组合了互补信息，因此该方法不仅高效而且鲁棒，可以在几次迭代内提供准确的结果。通过选择合适的对偶特征，该算法可以灵活地处理补丁匹配和部分匹配。在各种数据集上进行的大量实验表明，该方法在准确性和效率方面优于其他最先进的方法。
2020-11-19 cs.CV
VeREFINE: Integrating Object Pose Verification with Physics-guided Iterative Refinement
TU Wien（维也纳工业大学）；Automation and Control Institute（自动化与控制研究所）
用于机器人应用的准确和鲁棒的对象姿态估计需要验证和细化步骤。在这项工作中，我们建议整合假设验证与物理模拟指导下的物体姿态细化。这允许在统一的优化中考虑单个对象姿态估计的物理可扩展性和估计场景的稳定性。该方法能够适应多个目标的场景，并有效地集中在多假设场景中最有希望的目标位姿。我们称这种综合方法为VeREFINE，并在具有不同场景复杂度的三个数据集上对其进行评估。该方法的一般性是通过使用三个国家的最先进的姿态估计器和三个基线细化。结果显示，所有基线和所有数据集都有所改善。此外，我们的方法被应用在现实世界中的抓取实验，并优于竞争的方法在把握成功率。代码可在github.com/dornik/verefine上公开获取。
2020-05-18 cs.CV cs.RO
A Picture is Worth a Thousand Prompts? Efficacy of Iterative Human-Driven Prompt Refinement in Image Regeneration Tasks
University of Oklahoma（俄克拉荷马大学）；University of Texas at San Antonio（德克萨斯大学圣安东尼奥分校）
本研究探讨了通过迭代优化提示词进行AI图像重生成的方法，发现渐进式提示词调整能显著提升重生成图像与目标图像的对齐效果，且该结论得到了主观评估与定量指标的双重验证。
2025-04-29 cs.AI cs.CV cs.HC
CANet: Class-Agnostic Segmentation Networks with Iterative Refinement and Attentive Few-Shot Learning
Nanyang Technological University（南洋理工大学）；The University of Adelaide（阿德莱德大学）；China University of Mining and Technology（中国矿业大学）
语义分割的最新进展是由深度卷积神经网络和大规模标记图像数据集驱动的。然而，用于逐像素分割的数据标记是繁琐且昂贵的。此外，经过训练的模型只能在一组预定义的类内进行预测。在本文中，我们提出了CANet，一个类不可知的分割网络，执行Few-Shot分割新的类，只有少数注释的图像可用。我们的网络由一个两分支密集比较模块和一个迭代优化模块组成，该模块在支持图像和查询图像之间进行多级特征比较，该模块迭代地细化预测结果。此外，我们引入了一个注意力机制，以有效地融合信息，从多个支持的例子下，k-shot学习。PASCAL VOC 2012上的实验表明，我们的方法实现了平均Intersection-over-Union得分为55.4%的1镜头分割和57.1%的5镜头分割，分别超过了14.6%和13.2%的大幅度的最先进的方法。
2019-03-06 cs.CV
I2PRef: Image-Driven Point Completion with Iterative Refinement
提出一种以图像为主要几何来源的点云补全方法，通过图像到点（I2P）模块直接从单张RGB图像重建完整点云，并利用基于Transformer的点到点（P2P）细化模块迭代优化，在ShapeNet-ViPC上取得最先进性能，Chamfer距离相对提升12.3%。
2026-06-02 cs.CV
DeepOtsu: Document Enhancement and Binarization using Iterative Deep Learning
Bernoulli Institute for Mathematics, Computer Science and Artificial Intelligence（伯努利数学、计算机科学与人工智能研究所）；University of Groningen（格罗宁根大学）
本文提出了一种新的迭代深度学习框架，并将其应用于文档增强和二值化。与传统的预测输入图像上每个像素的二进制标签的方法不同，我们训练神经网络来学习文档图像中的退化，并产生退化的输入图像的均匀图像，这允许网络迭代地细化输出。本文研究了两种不同的迭代法：递归精化（RR）和堆叠精化（SR），前者在每次迭代中使用相同的训练神经网络进行文档增强，后者使用一堆不同的神经网络进行迭代输出精化。给定学习的均匀增强图像，通过全局或局部阈值可以容易地获得二值化图。几个公共基准数据集上的实验结果表明，我们提出的方法提供了一个新的清洁版本的退化图像，这是适合于可视化和有前途的结果，使用全局大津阈值的基础上，通过神经网络迭代学习的增强图像的二值化。
2019-01-18 cs.CV
On the iterative refinement of densely connected representation levels for semantic segmentation
Montreal Institute for Learning Algorithms（蒙特利尔学习算法研究所）；Computer Vision Center, Barcelona（巴塞罗那计算机视觉中心）；Facebook AI Research（Facebook人工智能研究）
最先进的语义分割方法通过使用由池化/跨步卷积或连续扩张卷积组成的下采样路径来增加其模型的感受域。但是，不清楚哪种手术会产生最佳效果。在本文中，我们系统地研究了不同的感受野扩大方法引入的差异及其对一种新架构（称为全卷积DenseResNet（FC-DRN））性能的影响。FC-DRN具有由残余网络组成的密集连接的骨干。在标准的图像分割架构之后，改变表示水平的感受野放大操作在残差网络之间交错。这使得该模型能够利用残差和密集连接模式的优势，即：梯度流，表示的迭代细化，多尺度特征组合和深度监督。为了突出我们模型的潜力，我们在具有挑战性的CamVid城市场景理解基准上对其进行了测试，并得出以下观察结果：1）当模型从头开始训练时，下采样操作优于膨胀，2）膨胀在模型的微调步骤期间是有用的，3）较粗糙的表示需要较少的细化步骤，以及4）ResNets（通过模型构造）是很好的正则化器，因为它们可以在需要时减少模型容量。最后，我们将我们的架构与其他方法进行了比较，并在Camvid数据集上报告了最先进的结果，参数至少减少了两倍。
2018-04-30 cs.CV
DIR-TIR: Dialog-Iterative Refinement for Text-to-Image Retrieval
South China Normal University School of Artificial Intelligence（南方科技大学人工智能学院）
针对交互式对话式文本到图像检索任务，提出DIR-TIR框架，通过对话优化模块主动获取用户信息生成精准描述、图像优化模块减少视觉-语义差异，多轮对话提升可控性与命中准确率，优于传统单查询方法及初始描述基线。
2025-11-18 cs.CV
TIBR4D: Tracing-Guided Iterative Boundary Refinement for Efficient 4D Gaussian Segmentation
Zhejiang University of Technology（浙江工业大学）
TIBR4D通过两阶段迭代边界精修方法，提升动态4D高斯分割的精度和效率，有效处理遮挡和模糊边界问题。
2026-02-09 cs.CV cs.GR
Bootstrapping Physics-Grounded Video Generation through VLM-Guided Iterative Self-Refinement
School of Computer Science and Technology, University of Chinese Academy of Sciences（中国科学院大学计算机科学与技术学院）；School of Computer Science and Technology, Beijing Institute of Technology（北京理工大学计算机科学与技术学院）；Institute of Information Engineering, Chinese Academy of Sciences（中国科学院信息工程研究所）；School of Cyber Security, University of Chinese Academy of Sciences（中国科学院大学网络安全学院）；Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）
本文提出一种通过VLM引导的迭代自优化方法，提升视频生成的物理一致性，实验显示在PhyIQ基准上得分提升明显。
2025-11-25 cs.CV
Iterative Prompt Refinement for Safer Text-to-Image Generation
Korea University（韩国大学）
本文提出了一种利用视觉语言模型（VLMs）分析输入提示词和生成图像的迭代提示词精炼算法，通过视觉反馈在保持用户意图的同时提升了文本到图像生成的安全性。
2025-09-17 cs.CV
IteRPrimE: Zero-shot Referring Image Segmentation with Iterative Grad-CAM Refinement and Primary Word Emphasis
Shenzhen International Graduate School, Tsinghua University（清华大学深圳国际研究生院）
本文提出IteRPrimE方法，通过迭代Grad-CAM优化策略增强模型对目标区域的关注并克服位置不敏感性，同时设计主要词强调模块处理复杂语义关系，在零样本指代图像分割任务中超越现有方法，尤其在域外场景表现优异。
2025-03-02 cs.CV
VLM-Guided Iterative Refinement for Surgical Image Segmentation with Foundation Models
School of Automation Science and Engineering, South China University of Technology, Guangzhou, China（自动化科学与工程学院，华南理工大学，广州，中国）；Vanderbilt University, Nashville, TN, USA（范德比尔特大学，纳什维尔，田纳西州，美国）；The Pennsylvania State University, University Park, PA , USA（宾夕法尼亚州立大学，大学园，宾夕法尼亚州，美国）；Peking University, Beijing , China（北京大学，北京，中国）；Virginia Commonwealth University, Richmond, VA, USA（弗吉尼亚共同wealth大学，里士满，弗吉尼亚州，美国）；University of California San Diego, San Diego, CA, USA（加州大学圣地亚哥分校，圣地亚哥，加利福尼亚州，美国）
本文提出IR-SIS，一种基于自然语言描述的手术图像分割迭代细化系统，结合视觉-语言模型和自适应工作流，实现高精度分割与临床交互。
2026-02-09 cs.AI cs.CV cs.MA
Exploring Iterative Refinement with Diffusion Models for Video Grounding
Tsinghua University（清华大学）
本文提出DiffusionVG框架，将视频定位视为条件生成任务，利用扩散模型从高斯噪声迭代细化目标跨度，在多个基准上取得优于现有方法的性能。
2023-12-29 cs.CV
Sign Language Translation with Iterative Prototype
University of Science and Technology of China（中国科学技术大学）；Hefei Comprehensive National Science Center（合肥综合性国家科学中心）
本研究提出IP-SLT手语翻译框架，通过迭代优化语义原型模拟人类阅读理解过程，搭配迭代蒸馏损失利用序列依赖，可在低推理开销下提升现有手语翻译系统性能。
2023-08-23 cs.CV
Seeing is Improving: Visual Feedback for Iterative Text Layout Refinement
University of Science and Technology of China（中国科学技术大学）；Shenzhen University（深圳大学）
本文提出VFLM模型，通过视觉反馈迭代优化文本布局，提升生成质量，实验表明其优于现有方法。
2026-03-23 cs.AI cs.CV
Iterative Refinement Improves Compositional Image Generation
Carnegie Mellon University（卡内基梅隆大学）；Lambda AI
本文提出了一种迭代细化策略，通过视觉-语言模型反馈提升组合图像生成质量，实验显示在多个基准上均优于并行采样方法。
2026-01-21 cs.AI cs.CV cs.LG
MERLIN: Multimodal Embedding Refinement via LLM-based Iterative Navigation for Text-Video Retrieval-Rerank Pipeline
Buzzni AI Lab（Buzzni人工智能实验室）；KAIST（韩国科学技术院）；Mathpresso Inc.（Mathpresso公司）；UC Berkeley（加州大学伯克利分校）；Fainders AI（Fainders人工智能公司）；Seoul National University（首尔大学）
提出无需训练的MERLIN流水线，利用LLM进行迭代反馈学习以从用户视角精炼查询嵌入，显著提升文本-视频检索的Recall@1。
2024-10-16 cs.AI cs.CL cs.CV
ICR: Iterative Convex Refinement for Sparse Signal Recovery Using Spike and Slab Priors
The Pennsylvania State University（宾夕法尼亚州立大学）；Johns Hopkins University（约翰斯·霍普金斯大学）
在这封信中，我们解决稀疏信号恢复使用尖峰和板先验。特别是，我们专注于一个贝叶斯框架，稀疏性是通过概率先验重建系数。由尖峰和厚板先验最大化产生的优化已知是硬非凸问题，并且现有的解决方案涉及简化假设和/或松弛。我们提出了一种称为迭代凸优化（ICR）的方法，旨在直接解决上述优化问题，从而在稀疏结构中实现更大的通用性。本质上，ICR解决了一系列凸优化问题，使得解决方案序列收敛到原始硬优化问题的次优解。我们提出了我们的算法的两个版本：a。不受约束的版本，以及b.）具有对稀疏系数的非负性约束，这在某些现实问题中可能是需要的。实验验证是在合成数据和现实世界的图像恢复问题，这说明了ICR的优点超过国家的最先进的替代品。
2015-02-16 cs.CV math.OC stat.ML
LATTE: Improving Latex Recognition for Tables and Formulae with Iterative Refinement
Purdue University（普渡大学）；University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对PDF图像中LaTeX公式和表格难以提取修改的问题，提出迭代优化框架LATTE，通过delta-view反馈迭代优化LaTeX源代码生成，显著提升复杂公式和表格的识别精度，优于现有技术及GPT-4V。
2025-02-13 cs.CV
Culture-TRIP: Culturally-Aware Text-to-Image Generation with Iterative Prompt Refinement
Department of Computer Science and Engineering, Dongguk University（计算机科学与工程系，东国大学）；Department of Computer Science and Artificial Intelligence, Dongguk University（计算机科学与人工智能系，东国大学）
针对文本生成图像模型对西方文化中代表性不足的文化概念生成效果差的问题，提出Culture-TRIP方法，通过检索文化信息、结合大模型迭代优化提示词，经多国用户调研验证可提升图像与文化类提示词的对齐度。
2025-05-17 cs.AI cs.CV
FMA-Net: Flow-Guided Dynamic Filtering and Iterative Feature Refinement with Multi-Attention for Joint Video Super-Resolution and Deblurring
KAIST（韩国科学技术院）；Chung-Ang University（中央大学）
本文提出FMA-Net，通过流引导动态滤波和带多注意力的迭代特征细化，并引入时间锚损失，有效解决视频超分辨率与去模糊的联合恢复问题，性能优于现有方法。
2024-03-28 cs.CV
CFR-ICL: Cascade-Forward Refinement with Iterative Click Loss for Interactive Image Segmentation
University of Idaho（爱达荷大学）；Idaho National Laboratory（爱达荷国家实验室）
针对交互式图像分割中推理规则僵化、需独立细化模型及点击数与性能难平衡的问题，提出融合 CFR、ICL 与 SUEM 的统一框架，在五个数据集上达到最先进水平并显著减少点击次数。
2024-03-04 cs.CV
Improved Iterative Refinement for Chart-to-Code Generation via Structured Instruction
School of Computer Science, Shanghai Jiao Tong University（上海交通大学计算机科学学院）；Shanghai Innovation Institute（上海创新研究院）；Lehigh University（莱特大学）；MIFA Lab（MIFA实验室）
本文提出基于结构化指令的ChartIR方法，通过区分视觉理解和代码翻译任务，提升图表到代码生成的性能，实验显示在Qwen2-VL和GPT-4o上表现优异。
2026-03-17 cs.AI cs.CV
RRFC: Recursive Refinement via Feedback Conditioning for Iterative Image-to-Image Generation
该研究提出RRFC框架，通过反馈条件实现迭代式图像到图像生成的输出精修，在多类模型和任务上评估发现其增益集中于目标属性重叠的任务。
2026-08-18 cs.AI cs.CV
TartanCalib: Iterative Wide-Angle Lens Calibration using Adaptive SubPixel Refinement of AprilTags
Carnegie Mellon University（卡内基梅隆大学）
广角摄像机是移动机器人的独特定位，凭借其在小，轻，具有成本效益的形状因子提供丰富的信息。本征函数和外征函数的精确校准是使用广角镜头的边缘进行深度感知和测距的关键先决条件。由于边缘处的极端失真，使用当前最先进的技术校准广角镜头产生差的结果，因为大多数算法假设镜头具有更接近针孔投影的低到中等失真。在这项工作中，我们提出了精确的广角校准方法。我们的管道生成一个中间模型，并利用它来迭代地改进特征检测，并最终改进相机参数。我们测试了三种利用中间相机模型的关键方法：（1）将图像不失真到虚拟针孔相机中，（2）将目标重新投影到图像帧中，以及（3）自适应子像素细化。将自适应子像素细化和特征重投影相结合，可以将重投影误差显著提高26.59%，帮助我们检测到多达42.01%的特征，并提高密集深度映射下游任务的性能。最后，TartanCalib是开源的，并被实现为一个易于使用的校准工具箱。我们还提供了一个带有其他最先进作品的转换层，它允许使用数千个参数或使用更强大的求解器来回归通用模型。为此，TartanCalibb是广角校准的首选工具。项目网址及代码：http://tartancalib.com。
2022-10-05 cs.CV cs.RO
CalibRefine: Deep Learning-Based Online Automatic Targetless LiDAR-Camera Calibration with Iterative and Attention-Driven Post-Refinement
Department of Electrical and Computer Engineering, The University of Arizona（电气与计算机工程系，亚利桑那大学）；Center For Urban Informatics and Progress (CUIP), UTC Research Institute, University of Tennessee at Chattanooga（城市信息与进步中心（CUIP）、UTC研究机构、田纳西大学查塔努加分校）；Electrical Engineering Department, University of San Francisco（电气工程系，旧金山大学）
针对现有激光雷达-相机标定依赖靶标、初值或预处理的局限，提出全自动无目标在线标定框架CalibRefine，经四阶段处理实现高精度标定，性能优于现有无目标方法，达人工调优基线水平。
2025-09-01 cs.CV cs.SY eess.SY
An Interactive Medical Image Segmentation Framework Using Iterative Refinement
在临床评估中，经常对医学图像进行图像分割以识别疾病。因此，它已成为主要的研究领域之一。传统的图像分割技术不能提供令人满意的分割结果的医学图像，因为它们包含的不规则性。在分割之前需要对它们进行预处理。为了得到最适合医学图像分割的方法，我们提出了一种两阶段算法。第一阶段使用数学形态学自动生成感兴趣区域的二进制标记图像。该标记用作第二阶段的掩模图像，第二阶段在输入图像上使用GrabCut，从而产生有效的分割结果。所获得的结果可以通过使用图形用户界面（GUI）进行的用户交互来进一步细化。实验结果表明，该方法是准确的，并提供了令人满意的分割结果与最小的用户交互的医学以及自然图像。
2016-06-05 cs.CV cs.HC
