图像生成

Diffusion Models for Image Restoration and Enhancement: A Comprehensive Survey

扩散模型在图像修复与增强中的应用：全面综述

Xin Li, Yulin Ren, Xin Jin, Cuiling Lan, Xingrui Wang, Wenjun Zeng, Xinchao Wang, Zhibo Chen

机构 * University of Science and Technology of China（科学技术大学） ； National University of Singapore（国立新加坡大学） ； Eastern Institute for Advanced Study（东部高级研究机构） ； Microsoft Research Asia（微软亚洲研究院） 纠错

专题命中 图像修复 ：diffusion(title,abstract)；inpainting(abstract)；分类 cs.CV

AI总结 本文首次全面综述了基于扩散模型的图像修复与增强方法，涵盖学习范式、条件策略、框架设计等，并提出未来研究方向。

Comments Accepted by IJCV 2025

Janssen 2.0: Audio Inpainting in the Time-frequency Domain

Janssen 2.0：时频域中的音频修复

Ondřej Mokrý, Peter Balušík, Pavel Rajmic

机构 * Dept.\ of Telecommunications Brno University of Technology Czech Republic 纠错

专题命中 图像修复 ：inpainting(title,abstract)

AI总结 Janssen 2.0通过改进的时频域方法实现音频修复，优于深度先验神经网络方法。

Comments Accepted to EUSIPCO 2025

Journal ref 2025 33rd European Signal Processing Conference (EUSIPCO)

Is Self-Supervised Learning Enough to Fill in the Gap? A Study on Speech Inpainting

自监督学习是否足以填补空白？语音修复研究

Ihab Asaad, Maxime Jacquelin, Olivier Perrotin, Laurent Girin, Thomas Hueber

机构 * Univ. Grenoble Alpes, CNRS, Grenoble-INP, GIPSA-lab（格陵兰大学阿尔卑斯分校、国家科学研究中心、格勒诺布尔INP、GIPSA实验室） 纠错

专题命中 图像修复 ：inpainting(title,abstract)

AI总结 本研究探讨了使用自监督学习训练的语音编码器进行语音修复，发现其在单人语音场景中表现更佳，而在多人语音场景中预训练编码器更有效。

Comments Accepted for publication to Computer Speech and Language journal (to appear)

Tweaking autoregressive methods for inpainting of gaps in audio signals

调整自回归方法以修复音频信号中的缺口

Ondřej Mokrý, Pavel Rajmic

机构 * Department of Telecommunications Brno University of Technology Czech Republic（电信系布拉格技术大学捷克共和国） 纠错

专题命中 图像修复 ：inpainting(title,abstract)

AI总结 本文提出了一种改进的Janssen方法，用于音频信号中缺口的修复，通过实验验证了其在客观指标和听觉测试中的优越性。

Comments Accepted to EUSIPCO 2025

Journal ref 2025 33rd European Signal Processing Conference (EUSIPCO)