图像生成

Exploring Diffusion with Test-Time Training on Efficient Image Restoration

探索通过测试时间训练的高效图像恢复

Rongchang Lu, Tianduo Luo, Yunzhi Jiang, Conghan Yue, Pei Yang, Guibao Liu, Changyang Gu

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

AI总结 DiffRWKVIR通过结合测试时间训练与高效扩散，实现了高效的图像恢复，在多个基准测试中表现出色。

Comments We withdraw this paper due to erroneous experiment data in the ablation study, which was inadvertently copied from our preprint "Ultra-Lightweight Semantic-Injected Imagery Super-Resolution for Real-Time UAV Remote Sensing" This nearly constituted academic misconduct. We sincerely apologize and thank those who alerted us

COSMO-INR: Complex Sinusoidal Modulation for Implicit Neural Representations

COSMO-INR：复数正弦调制用于隐式神经表示

Pandula Thennakoon, Avishka Ranasinghe, Mario De Silva, Buwaneka Epakanda, Roshan Godaliyadda, Parakrama Ekanayake, Vijitha Herath

机构 * Department of Electrical and Electronic Engineering（电气与电子工程系） 纠错

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

AI总结 COSMO-INR通过复数正弦调制激活函数提升隐式神经表示的性能，实现图像重建、去噪、超分辨率等任务的显著改进。

Comments Submitted as a conference paper to ICLR 2026

Probabilistic Super-Resolution for Urban Micrometeorology via a Schrödinger Bridge

基于Schrödinger桥的概率超分辨率用于城市微气象学

Yuki Yasuda, Ryo Onishi

机构 * Research Institute for Value-Added-Information Generation（价值加成信息研究所） ； Japan Agency for Marine-Earth Science and Technology（日本海洋地球科学技术机构） ； Supercomputing Research Center（超级计算研究中心） ； Institute of Integrated Research（整合研究所） ； Institute of Science Tokyo（东京科学研究所） 纠错

专题命中 图像修复 ：diffusion(abstract)

AI总结 本文提出基于Schrödinger桥模型的超分辨率方法，用于提高城市区域2米温度的分辨率，该方法在较低计算成本下实现与扩散模型相当的精度，并展现出更好的不确定性量化能力。