图像生成

Trust but Verify: Adaptive Conditioning for Reference-Based Diffusion Super-Resolution via Implicit Reference Correlation Modeling

信任但验证：通过隐式参考相关性建模实现基于参考的扩散超分辨率的自适应条件化

Yuan Wang, Yuhao Wan, Siming Zheng, Bo Li, Qibin Hou, Peng-Tao Jiang

机构 * VCIP, School of Computer Science, Nankai University（VCIP，计算机科学学院，南开大学） ； vivo Mobile Communication Co., Ltd.（vivo移动通信有限公司） 纠错

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

AI总结 本文提出Ada-RefSR，通过自适应隐式相关性门控机制，在扩散模型中实现基于参考的超分辨率，提升图像恢复的准确性和鲁棒性。

Comments 26 pages, 19 figures. Accepted to ICLR 2026

AI-Generated Image Detectors Overrely on Global Artifacts: Evidence from Inpainting Exchange

AI生成图像检测器过度依赖全局伪影：来自修复交换的证据

Elif Nebioglu, Emirhan Bilgiç, Adrian Popescu

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 AI生成图像检测器过度依赖全局伪影，通过修复交换实验发现检测器准确性显著下降，需改进内容感知检测方法。

Comments 21 pages, 15 figures, 6 tables

HSI-VAR: Rethinking Hyperspectral Restoration through Spatial-Spectral Visual Autoregression

HSI-VAR: 通过空间-光谱视觉自回归重新思考高光谱图像恢复

Xiangming Wang, Benteng Sun, Yungeng Liu, Haijin Zeng, Yongyong Chen, Jingyong Su, Jie Liu

机构 * Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳）） ； Harvard University（哈佛大学） 纠错

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

AI总结 HSI-VAR通过空间-光谱视觉自回归方法，高效解决高光谱图像恢复问题，实现计算成本降低50%和推理速度提升95.5倍。

Bridging Degradation Discrimination and Generation for Universal Image Restoration

弥合退化鉴别与生成以实现通用图像修复

JiaKui Hu, Zhengjian Yao, Lujia Jin, Yanye Lu

机构 * Institute of Medical Technology, Peking University（北京大学医学技术学院） ； Biomedical Engineering Department, College of Future Technology, Peking University（北京大学未来技术学院生物医学工程系） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心） ； China Mobile Research Institute（中国移动研究院） 纠错

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

AI总结 本文提出BDG方法，通过多角度多尺度灰度共生矩阵提升退化鉴别与生成能力，实现通用图像修复和超分辨率任务的性能提升。

Comments Accepted by ICLR 2026