图像生成

Restore3D: Breathing Life into Broken Objects with Shape and Texture Restoration

Restore3D：通过形状和纹理修复为破损物体注入生机

Xiaolong Shen, Zongxin Yang, Yi Yang

机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学） 纠错

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

AI总结 提出Restore3D框架，利用多视图图像同时修复破损物体的几何形状和纹理，通过自动数据生成、掩码自感知模块和深度感知掩码修正器生成高分辨率多视图图像，再经粗到细重建获得带纹理的3D网格。

Bridging Information Asymmetry: A Hierarchical Framework for Deterministic Blind Face Restoration

弥合信息不对称：一种降低不确定性的分层盲脸修复框架

Zhengjian Yao, Jiakui Hu, Kaiwen Li, Hangzhou He, Xinliang Zhang, Shuang Zeng, Lei Zhu, Yanye Lu

机构 * 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） ； Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心） 纠错

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

AI总结 提出Pref-Restore分层框架，通过语义信息增强、纹理保真对齐和保真约束偏好优化，降低盲脸修复中的不确定性，实现身份敏感的高保真重建。

Comments Accepted by TPAMI2026

DTI: Dynamic Trajectory Initialization for Generative Face Video Super-Resolution

DTI: 面向生成式人脸视频超分辨率的动态轨迹初始化

Yingwei Tang, Chen Yan, Wendi Liu, Qiang Hu, Xiaoyun Zhang

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

AI总结 提出动态轨迹初始化范式，将生成式人脸视频超分辨率重构为输入驱动的定向恢复，通过增强注入条件机制和判别性引导实现保真度与感知质量的平衡，达到SOTA性能。

Comments This paper is accepted by ECCV 2026

Fast Equivariant Imaging: Accelerating Unsupervised Learning and Model Adaptation via Inexact Splitting

快速等价成像：通过不精确分裂加速无监督学习和模型适应

Guixian Xu, Jinglai Li, Junqi Tang

机构 * School of Mathematics, University of Birmingham（伯明翰大学数学学院） 纠错

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

AI总结 本文提出Fast Equivariant Imaging框架，通过不精确变量分裂方案快速高效训练深度成像网络，提升X射线CT重建和图像修复的泛化性能，实现10倍加速和改进的适应能力。

Comments 31 pages

DeLux: Cross-Modal Local Artifact Restoration in Video Using Neuromorphic Data

DeLux: 利用神经形态数据进行视频中的跨模态局部伪影修复

Bartosz Stachowiak, Dariusz Brzezinski

机构 * Institute of Computing Science, Poznan University of Technology（波兹南技术大学计算机科学学院） 纠错

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

AI总结 提出DeLux，一种利用神经形态事件流作为结构先验，引导RGB视频中光照伪影检测与修复的跨模态修复方法，在合成和真实数据上优于现有基线。

Fidelity- and Perception-Aware Local Implicit Attention for Arbitrary-Scale Image Super-Resolution

保真度与感知感知的局部隐式注意力用于任意尺度图像超分辨率

Yu-Syuan Xu, Hao-Lun Sun, Hao-Wei Chen, Hsien-Kai Kuo, Chun-Yi Lee

机构 * National Taiwan University（国立台湾大学） ； MediaTek Inc.（联发科技股份有限公司） 纠错

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

AI总结 提出FPLIA框架，通过融合保真度导向特征与扩散管道，结合FPAM和FPSM模块，在任意尺度超分辨率中实现高感知真实度与重建精度。

Comments ECCV 2026

ForeHOI: Feed-forward 3D Object Reconstruction from Daily Hand-Object Interaction Videos

ForeHOI: 从日常手物交互视频中进行前馈式3D物体重建

Yuantao Chen, Jiahao Chang, Chongjie Ye, Chaoran Zhang, Zhaojie Fang, Chenghong Li, Xiaoguang Han

机构 * School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）科学与工程学院） ； FNii-Shenzhen（FNii-深圳） ； Guangdong Provincial Key Laboratory of Future Networks of Intelligence（广东省未来智能网络关键实验室） ； SDS, CUHKSZ（CUHKSZ SDS） 纠错

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

AI总结 提出前馈模型ForeHOI，通过联合2D掩膜修复和3D形状补全，在一分钟内从单目视频直接重建3D物体，无需预处理，性能优于优化方法且速度提升约100倍。

Comments 14 pages, 7 figures, Page: https://tao-11-chen.github.io/project_pages/ForeHOI/

S^2VG: 3D Stereoscopic and Spatial Video Generation via Denoising Frame Matrix

S^2VG：基于去噪帧矩阵的3D立体与空间视频生成

Peng Dai, Feitong Tan, Qiangeng Xu, Yihua Huang, David Futschik, Ruofei Du, Sean Fanello, Yinda Zhang, Xiaojuan Qi

机构 * Department of Electrical and Electronic Engineering at The University of Hong Kong（香港大学电子与电气工程系） ； Google（谷歌） 纠错

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

AI总结 提出一种无需姿态和训练的方法，利用现成单目视频生成模型，通过深度图扭曲和帧矩阵修复框架，生成时空一致的3D立体与空间视频。

Comments immersive video generation, 4D scene, spatial video, stereo video

Investigation of Neural Network Methods for Reconstruction and Classification of Texture Images Under Conditions of Incomplete Information

不完全信息条件下纹理图像重建与分类的神经网络方法研究

Galymzhan Abdimanap, Kairat Bostanbekov, Abdelrahman Abdallah, Anel Alimova, Darkhan Kurmangaliyev, Daniyar Nurseitov, Tatyana Dedova, Larissa Balakay, Serik Nurakynov

机构 * Satbayev University（萨特巴耶夫大学） ； Institute of Ionosphere LLP（电离层研究所） ； Information Technology Department（信息技术部门） ； Assiut University（阿西乌特大学） 纠错

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

AI总结 提出结合目标检测、GAN（CRA）修复和Transformer/CNN分类的端到端框架，发现重建质量高（PSNR 28.7dB）但分类准确率仅53%，通过置信度混合集成将MCA从48%提升至58%，揭示生成模型产生语义模糊特征的问题。

Comments IEEE ACCESS

Universal Image Restoration via Internalized Chain-of-Thought Reasoning

通过内化思维链推理的通用图像恢复

Yu Guo, Zhengru Fang, Shengfeng He, Senkang Hu, Yihang Tao, Phone Lin, Yuguang Fang

机构 * Hong Kong JC Lab of Smart City and Department of Computer Science, City University of Hong Kong（香港城市大学智慧城市香港联合实验室及计算机科学系） ； School of Computing and Information Systems, Singapore Management University（新加坡管理大学计算与信息系统学院） ； Computer Science and Information Engineering, National Taiwan University（国立台湾大学计算机科学与信息工程学系） 纠错

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

AI总结 提出CoTIR框架，将思维链推理内化到单个预训练编辑模型中，通过可微拉格朗日优化实现混合退化下的通用图像恢复，在5.2M样本基准上优于现有方法。

CASR: A Robust Cyclic Framework for Arbitrary Large-Scale Super-Resolution with Distribution Alignment and Self-Similarity Awareness

CASR：一种鲁棒的循环框架，用于任意大尺度超分辨率，具有分布对齐和自相似性意识

Wenhao Guo, Zhaoran Zhao, Peng Lu, Sheng Li, Qian Qiao, DeRui Li

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Peking University（北京大学） 纠错

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

AI总结 CASR通过分布对齐和自相似性意识，解决大尺度超分辨率中的分布漂移和扩散不一致问题，实现稳定推理和高效单模型处理。

Beware of Aliases -- Signal Preservation is Crucial for Robust Image Restoration

警惕混叠——信号保留对鲁棒图像复原至关重要

Shashank Agnihotri, Julia Grabinski, Janis Keuper, Margret Keuper

机构 * University of Mannheim（曼海姆大学） ； Institute for Machine Learning and Analytics（机器学习与分析研究所） ； Offenburg University（奥芬堡大学） ； Max Planck Institute for Informatics（马克斯·普朗克信息研究所） ； Saarland Informatics Campus（萨尔州信息校区） 纠错

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

AI总结 针对图像复原网络因混叠导致鲁棒性差的问题，提出BOA-Restormer，通过在频域执行部分下采样和上采样操作，确保无混叠路径，在低成本下提升模型鲁棒性。

Comments Tags: Adversarial attack, image restoration, image deblurring, frequency sampling

SP$^3$: Spherical Priors for Plug-and-Play Restoration

SP$^3$：用于即插即用恢复的球面先验

Sean Man, Ron Raphaeli, Matan Kleiner, Or Ronai

机构 * Technion – Israel Institute of Technology（以色列理工学院） ； Independent Researcher（独立研究员） 纠错

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

AI总结 提出SP$^3$算法，用球面编码器替代去噪器作为生成先验，通过半二次分裂实现快速图像恢复，速度比零样本扩散方法快3-630倍。

SwiftVR: Real-Time One-Step Generative Video Restoration

SwiftVR：实时一步生成式视频恢复

Jiaqi Yan, Xiangyu Chen, Xinlin Zhong, Haibin Huang, Chi Zhang, Jie Liu, Jiantao Zhou, Xuelong Li

机构 * State Key Laboratory of Internet of Things for Smart City, Department of Computer and Information Science, University of Macau（澳门大学智慧城市物联网国家重点实验室） ； Institute of Artificial Intelligence (TeleAI), China Telecom（中国电信人工智能研究院（TeleAI）） ； State Key Laboratory for Novel Software Technology, Nanjing University（南京大学计算机软件新技术国家重点实验室） 纠错

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

AI总结 提出SwiftVR，一种流式一步生成式视频恢复框架，通过因果分块协议、无掩码移位窗口自注意力和轻量级恢复感知自编码器，在消费级GPU上实现实时高清视频恢复。

Detecting Temporally Localized Manipulations in Authentic Video Streams

检测真实视频流中的时间局部操纵

Okan Umur, Ali Emre Güşlü, Ibrahim Delibasoglu

机构 * Okan Umur ； Ali Emre Güşlü ； Ibrahim Delibasoglu 纠错

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

AI总结 针对真实视频中插入短时逼真操纵片段难以检测的问题，提出新数据集并评估两种方法：基于DINOv3特征的线性探针和连续帧相似性方法，建立初步基准。

Fast and Accurate Tensor Completion with Total Variation Regularized Tensor Trains

快速且准确的张量补全与总变分正则化张量列车

Ching-Yun Ko, Kim Batselier, Wenjian Yu, Ngai Wong

机构 * Department of Electrical and Electronic Engineering, The University of Hong Kong（香港大学电子工程系） ； Delft Center for Systems and Control, Delft University of Technology（代尔夫特理工大学系统与控制中心） 纠错

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

AI总结 本文提出了一种基于张量列车的新型张量补全方法，通过总变分和Tikhonov正则化提升了补全速度和可扩展性，尤其在已知数据极少时表现优异。

Comments 13 pages. Source code and supplemental materials are available via: https://github.com/IRENEKO/TTC Updates 11/13: included more comparisons and experimental results

Image Restoration by Iterative Denoising and Backward Projections

通过迭代去噪和反向投影进行图像恢复

Tom Tirer, Raja Giryes

机构 * School of Electrical Engineering, Tel Aviv University（特拉维夫大学电气工程学院） 纠错

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

AI总结 本文提出了一种利用现成去噪器解决逆问题的替代方法，通过将典型成本函数转换为新的优化问题，并引入高效的最小化方案和自动调参机制，以减少参数调优并提升图像修复和去模糊的效果。

Comments To appear in IEEE Transactions on Image Processing

Manifold Based Low-rank Regularization for Image Restoration and Semi-supervised Learning

基于流形的低秩正则化用于图像恢复和半监督学习

Rongjie Lai, Jia Li

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

AI总结 本文提出基于流形的低秩正则化方法，用于图像恢复和半监督学习，通过线性近似流形维度，提升处理非线性数据的灵活性和效果。

Comments 23 pages, 13 figures

An Edge Driven Wavelet Frame Model for Image Restoration

基于边缘驱动的小波框架模型图像修复

Jae Kyu Choi, Bin Dong, Xiaoqun Zhang

机构 * Institute of Natural Sciences, Shanghai Jiao Tong University, 200240 Shanghai China（上海交通大学自然科学研究院） ； Beijing International Center for Mathematical Research, Peking University, 100871 Beijing China（北京大学北京国际数学研究中心） ； School of Mathematical Sciences（数学科学学院） ； MOE-LSC, Shanghai Jiao Tong University, 200240 Shanghai China（上海交通大学教育部重点实验室） 纠错

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

AI总结 本文提出一种边缘驱动的小波框架模型，通过将图像近似为分段光滑函数，对光滑和奇异区域施加不同强度的正则化，实现鲁棒的图像修复。

Collaborative Total Variation: A General Framework for Vectorial TV Models

协同总变分：向量总变分模型的通用框架

Joan Duran, Michael Moeller, Catalina Sbert, Daniel Cremers

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

AI总结 本文提出协同总变分（CTV）模型，通过不同维度的范数测量颜色图像张量的平滑性，探讨其理论性质和应用效果，实验比较了多种CTV方法在去噪、去模糊和修复等逆问题中的性能。

Journal ref SIAM Journal on Imaging Sciences, vol. 9(1), pp. 116-151, 2016

Segmentation and Restoration of Images on Surfaces by Parametric Active Contours with Topology Changes

通过参数主动轮廓实现表面图像分割与恢复

Heike Benninghoff, Harald Garcke

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

AI总结 本文提出一种用于二维表面图像分割与恢复的新方法，通过参数化主动轮廓模型扩展到表面图像，并利用数值方案高效计算分割和去噪结果，同时检测并处理轮廓的拓扑变化。

GuidedBridge: Training-freely Improving Bridge Models with Prior Guidance

GuidedBridge: 无需训练地利用先验引导改进桥接模型

Zehua Chen, Yucheng Yang, Binjie Yuan, Kaiwen Zheng, Jun S. Liu, Jun Zhu

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 提出无需训练的先验引导方法（PG）和频率调制先验引导（FMPG），通过对比弱先验与已见先验增强桥接模型的先验利用，并设计级联框架CFG-FMPG用于图像修复，实验证明该方法能一致提升预训练桥接模型在多种图像翻译任务中的性能。

Comments ICML 2026

Vessel Segmentation in Medical Imaging Using a Tight-Frame Based Algorithm

基于紧框架算法的医学图像血管分割

Xiaohao Cai, Raymond Chan, Serena Morigi, Fiorella Sgallari

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

AI总结 提出一种基于紧框架的迭代算法，用于磁共振血管造影图像中管状结构（如血管）的自动分割，通过去噪、平滑和锐化边界区域，在少量迭代内收敛，并优于现有PDE和变分方法。

VICR: Visual In-Context Restoration for Real-World Image Super-Resolution

VICR: 面向真实图像超分辨率的视觉上下文恢复

Qichang Zhang, Hailong Wang, Baiang Li, Linhao Wang, Rong Fu, Erkang Cheng, Simon James Fong

机构 * Faculty of Science and Technology, University of Macau（澳门大学科技学院） ； Nullmax ； Hefei University of Technology（合肥工业大学） ； Shandong Normal University（山东师范大学） 纠错

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

AI总结 提出基于扩散变换器的视觉上下文恢复框架，通过解耦的视觉先验注入机制将真实图像超分辨率建模为图像补全，实现结构保真与细节合成的平衡。

Comments 28 pages, 11 figures, 9 tables

Beyond Visual Fidelity: Benchmarking Super-Resolution Models for Large-Scale Remote Sensing Imagery via Downstream Task Integration

超越视觉保真度：通过下游任务集成评估大规模遥感影像的超分辨率模型

Zhili Li, Kangyang Chai, Zhihao Wang, Xiaowei Jia, Yanhua Li, Gengchen Mai, Sergii Skakun, Dinesh Manocha, Yiqun Xie

机构 * University of Maryland（马里兰大学） ； University of Pittsburgh（匹兹堡大学） ； Worcester Polytechnic Institute（沃思利技术学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 针对现有超分辨率评估依赖PSNR/SSIM等保真度指标而忽略下游任务效用的问题，提出GeoSR-Bench基准数据集，集成土地覆盖分割、基础设施映射等下游任务，评估GAN、Transformer等9种SR模型在270种设置下的性能，发现保真度指标与任务性能弱相关甚至负相关。

Comments Under review at IEEE TPAMI

Enhancing Blind Source Separation with Dissociative Principal Component Analysis

增强盲源分离的解离主成分分析

Muhammad Usman Khalid

机构 * College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University（伊斯兰国际大学计算机与信息科学学院） 纠错

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

AI总结 提出解离主成分分析（DPCA），通过联合估计主成分和载荷向量并显式建模其相互依赖关系，克服传统稀疏PCA在源重叠时性能下降的问题，在模拟fMRI源恢复、前景背景分离等任务中优于经典sPCA。

Comments 13 pages with 6 figures, this work has not been published before

An analytic theory of convolutional neural network inverse problems solvers

卷积神经网络逆问题求解器的解析理论

Minh Hai Nguyen, Quoc Bao Do, Edouard Pauwels, Pierre Weiss

机构 * IRIT \& CBI, CNRS \& Université Toulouse, France ； Toulouse School of Economics, Université Toulouse Capitole, France 纠错

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

AI总结 通过最小均方误差估计器引入平移等变性和有限感受野的归纳偏置，推导出局部等变MMSE的解析公式，并在多种逆问题、数据集和架构上验证其与神经网络输出高度一致。

Journal ref Forty-Third International Conference on Machine Learning, 2026

RASR: Retrieval-Augmented Super Resolution for Practical Reference-based Image Restoration

RASR: 面向实际参考图像复原的检索增强超分辨率

Jiaqi Yan, Shuning Xu, Xiangyu Chen, Dell Zhang, Jiantao Zhou, Jie Tang, Gangshan Wu, Jie Liu

机构 * State Key Laboratory for Novel Software Technology, Nanjing University（新型软件技术国家重点实验室，南京大学） ； Institute of Artificial Intelligence (TeleAI), China Telecom（人工智能研究院（TeleAI），中国电信） ； State Key Laboratory of Internet of Things for Smart City（物联网智慧城市国家重点实验室） ； Department of Computer Science and Information Science, University of Macau（澳门大学计算机科学与信息科学系） 纠错

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

AI总结 提出检索增强超分辨率（RASR）范式，通过自动检索参考图像实现实际场景下的参考超分辨率，并构建基准数据集RASR-Flickr30及基线模型RASRNet。

Comments Accepted at ISCAS 2026

Self-supervised Dynamic Heterogeneous Degradation Modeling for Unified Zero-Shot Image Restoration

自监督动态异质退化建模用于统一零样本图像恢复

XiaoWan Hu, Jing Yang, HeNan Liu, HuaQiu Li, Mai Xu

机构 * Beihang University（北航） ； Tsinghua University（清华大学） 纠错

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

AI总结 提出统一物理零样本图像恢复框架，通过将异质退化重参数化为同质分布并引入动态质量细化策略，实现单/混合退化下的最优性能。

LiWi: Layering in the Wild

LiWi: 野外分层

Yu He, Fang Li, Haoyang Tong, Lichen Ma, Xinyuan Shan, Jingling Fu, Dong Chen, Luohang Liu, Junshi Huang, Yan Li

机构 * MAIS & NLPR, CASIA（模式识别与人工智能实验室及中国科学院自动化研究所） 纠错

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

AI总结 提出基于代理驱动数据分解和联合优化光度保真度与alpha边界的方法，实现野外自然图像的高保真分层分解，构建了LiWi-100k数据集并达到SOTA性能。

Comments Project Page https://rassetmusty.github.io/LiWi