图像生成

UNet-AF: An alias-free UNet for image restoration

UNet-AF: 一种无别名的UNet用于图像恢复

Jérémy Scanvic, Quentin Barthélemy, Julián Tachella

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

AI总结 本文提出一种无别名UNet架构，通过选择先进的翻译等变层提升图像恢复任务中的等变性，实验显示其在性能和等变性方面优于传统方法。

InfScene-SR: Arbitrary-Size Image Super-Resolution via Iterative Joint-Denoising

InfScene-SR: 通过迭代联合去噪实现任意尺寸图像超分辨率

Shoukun Sun, Zhe Wang, Xiang Que, Jiyin Zhang, Xiaogang Ma

机构 * Synthesis (NCEAS),\ of California Santa Barbara, Santa Barbara, California, USA College of Computer ； Forestry University, China 纠错

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

AI总结 InfScene-SR通过迭代联合去噪方法，实现了任意尺寸图像的高保真超分辨率，解决了传统方法在处理大尺度场景时的边界伪影问题，并提升了语义分割任务的性能。

Reparameterized Tensor Ring Functional Decomposition for Multi-Dimensional Data Recovery

重新参数化张量环功能分解用于多维数据恢复

Yangyang Xu, Junbo Ke, You-Wei Wen, Chao Wang

机构 * Key Laboratory of Computing and Stochastic Mathematics (Ministry of Education)（计算与随机数学重点实验室（教育部）） ； School of Mathematics and Statistics（数学与统计学学院） ； Department of Statistics and Data Science（统计与数据科学系） 纠错

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

AI总结 本文提出了一种重新参数化的张量环功能分解方法，通过结合可学习的潜在张量和固定基底，提升多维数据恢复的性能。

Comments 22 pages, 18 figures, 12 tables. Accepted by CVPR 2026

TerraCodec: Compressing Optical Earth Observation Data

TerraCodec：压缩光学地球观测数据

Julen Costa-Watanabe, Isabelle Wittmann, Benedikt Blumenstiel, Konrad Schindler

机构 * IBM Research Europe（IBM欧洲研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 TerraCodec通过预训练的神经编码器实现高效压缩和云填充，提升地球观测数据处理性能。

Eliminating VAE for Fast and High-Resolution Generative Detail Restoration

消除VAE以实现快速且高分辨率的生成细节修复

Yan Wang, Shijie Zhao, Junlin Li, Li Zhang

机构 * MMLab, ByteDance（字节实验室，字节跳动） 纠错

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

AI总结 GenDR-Pix通过消除VAE并引入多阶段对抗蒸馏和傅里叶空间损失，实现了快速且高分辨率的生成细节修复，推理速度提升2.8倍，内存节省60%。

Comments Accepted by ICLR 2026

D$^2$-VR: Degradation-Robust and Distilled Video Restoration with Synergistic Optimization Strategy

D$^2$-VR: 降质鲁棒且蒸馏的视频修复与协同优化策略

Jianfeng Liang, Shaocheng Shen, Botao Xu, Qiang Hu, Xiaoyun Zhang

机构 * Shanghai Jiaotong University（上海交通大学） 纠错

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

AI总结 D$^2$-VR通过降质鲁棒流对齐和对抗蒸馏技术，实现低步推理的视频修复，提升修复质量和效率。

QuantVSR: Low-Bit Post-Training Quantization for Real-World Video Super-Resolution

QuantVSR: 低比特后训练量化用于现实世界视频超分辨率

Bowen Chai, Zheng Chen, Libo Zhu, Wenbo Li, Yong Guo, Yulun Zhang

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

AI总结 QuantVSR通过时空复杂度感知机制和可学习偏置对齐模块，实现低比特后训练量化，提升现实世界视频超分辨率的性能与效率。

Comments Accepted to AAAI 2026. Code is available at: https://github.com/bowenchai/QuantVSR

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

Degradation-Agnostic Statistical Facial Feature Transformation for Blind Face Restoration in Adverse Weather Conditions

对恶劣天气条件下盲面修复的降级无关统计面部特征转换

Chang-Hwan Son, Cheol-Hwan Kim

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

AI总结 本文提出了一种基于GAN的盲面部修复框架，通过局部统计面部特征转换和降级无关特征嵌入模块，提升恶劣天气下的面部修复效果。

SHARE: A Fully Unsupervised Framework for Single Hyperspectral Image Restoration

SHARE: 一种完全无监督的单超光谱图像恢复框架

Jiangwei Xie, Zhang Wen, Mike Davies, Dongdong Chen

机构 * School of Mathematical and Computer Sciences, Heriot-Watt University（数学与计算机科学学院，赫里奥特-瓦特大学） ； School of Engineering, University of Edinburgh（工程学院，爱丁堡大学） 纠错

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

AI总结 SHARE提出了一种完全无监督的单超光谱图像恢复框架，结合几何等变原理和低秩光谱建模，无需地面真实数据，通过自监督信号和动态自适应光谱注意力模块提升恢复性能。

Comments Technical report

M3DDM+: An improved video outpainting by a modified masking strategy

M3DDM+: 通过改进的遮蔽策略实现更高效的视频外补全

Takuya Murakawa, Takumi Fukuzawa, Ning Ding, Toru Tamaki

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

AI总结 M3DDM+通过改进的遮蔽策略提升视频外补全的视觉保真度和时间一致性，同时保持计算效率。

Comments proc. of IWAIT2026

NanoSD: Edge Efficient Foundation Model for Real Time Image Restoration

NanoSD：面向边缘设备的高效图像修复扩散基础模型

Subhajit Sanyal, Srinivas Soumitri Miriyala, Akshay Janardan Bankar, Manjunath Arveti, Sowmya Vajrala, Shreyas Pandith, Sravanth Kodavanti, Abhishek Ameta, Harshit, Amit Satish Unde

机构 * Samsung Research India, Bangalore（三星印度研究, 波哥达） 纠错

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

AI总结 NanoSD通过网络手术、特征蒸馏和结构化扩展，构建了高效扩散基础模型家族，实现边缘设备上的实时图像修复与生成。

Comments Submitted to CVPR 2026

Toward Generalizable Deblurring: Leveraging Massive Blur Priors with Linear Attention for Real-World Scenarios

迈向可泛化的去模糊化：利用大规模模糊先验与线性注意力以应对现实场景

Yuanting Gao, Shuo Cao, Xiaohui Li, Yuandong Pu, Yihao Liu, Kai Zhang

机构 * Tsinghua University（清华大学） ； USTC, Shanghai AI Lab（USTC，上海人工智能实验室） ； SJTU, Shanghai AI Lab（上海交通大学，上海人工智能实验室） ； Shanghai AI Lab（上海人工智能实验室） 纠错

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

AI总结 本文提出BPP和MoSeG方法，通过大规模模糊先验与线性注意力提升图像去模糊化在现实场景中的泛化能力。

Comments 19 pages, 14 figures, 6 tables

Hallucination Score: Towards Mitigating Hallucinations in Generative Image Super-Resolution

幻觉分数：朝着减轻生成图像超分辨率中的幻觉

Weiming Ren, Raghav Goyal, Zhiming Hu, Tristan Ty Aumentado-Armstrong, Iqbal Mohomed, Alex Levinshtein

机构 * University of Waterloo（多伦多大学） ； AI Center – Toronto, Samsung Electronics（三星电子人工智能中心） 纠错

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

AI总结 本文提出幻觉分数以衡量和减轻生成图像超分辨率中的幻觉问题，通过多模态大语言模型生成 HS 并用于模型微调。

Comments 31 pages, 21 figures, and 10 tables

Self-Supervised Masked Autoencoders with Dense-Unet for Coronary Calcium Removal in limited CT Data

具有密集-UNet的自监督掩码自动编码器用于有限CT数据中的冠状动脉钙化去除

Mo Chen

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

AI总结 本文提出Dense-MAE，一种基于自监督学习的框架，用于在有限CT数据中有效去除冠状动脉钙化伪影，提升血管狭窄诊断准确性。

Comments 6 pages, in Chinese language, 2 figures

Beyond Segmentation: An Oil Spill Change Detection Framework Using Synthetic SAR Imagery

超越分割：一种利用合成SAR图像的油污变化检测框架

Chenyang Lai, Shuaiyu Chen, Tianjin Huang, Siyang Song, Guangliang Cheng, Chunbo Luo, Zeyu Fu

机构 * Department of Computer Science, University of Exeter（埃克塞特大学计算机科学系） ； Department of Computer Science, University of Liverpool（利弗pool大学计算机科学系） 纠错

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

AI总结 本文提出TAHI框架，通过生成合成SAR图像解决油污检测中的误报问题，构建首个OSCD数据集并验证时间感知方法的有效性。

DriveExplorer: Images-Only Decoupled 4D Reconstruction with Progressive Restoration for Driving View Extrapolation

DriveExplorer: 基于图像的解耦4D重建与渐进修复用于驾驶视角外推

Yuang Jia, Jinlong Wang, Jiayi Zhao, Chunlam Li, Shunzhou Wang, Wei Gao

机构 * Guangdong Provincial Key Laboratory of Ultra High Definition Immersive Media Technology（广东省级超高清沉浸媒体技术重点实验室） ； School of Electronic and Computer Engineering（电子与计算机工程学院） ； Shenzhen Graduate School, Peking University（北京大学深圳研究生院） 纠错

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

AI总结 DriveExplorer通过图像解耦和渐进修复实现驾驶视角外推，利用4D高斯框架和扩散模型提升重建质量。

Deterministic Image-to-Image Translation via Denoising Brownian Bridge Models with Dual Approximators

通过双近似器的去噪布朗桥模型实现确定性图像到图像翻译

Bohan Xiao, Peiyong Wang, Qisheng He, Ming Dong

机构 * Department of Computer Science, Wayne State University（计算机科学系，韦恩州立大学） ； Department of Mathematics, Wayne State University（数学系，韦恩州立大学） 纠错

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

AI总结 本文提出了一种基于布朗桥动态和双近似器的生成模型，用于实现高保真度的确定性图像到图像翻译。

Comments Minor correction to a reference entry

Matrix Completion Via Reweighted Logarithmic Norm Minimization

通过加权对数范数最小化实现矩阵补全

Zhijie Wang, Liangtian He, Qinghua Zhang, Jifei Miao, Liang-Jian Deng, Jun Liu

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

AI总结 本文提出加权对数范数作为低秩矩阵补全的非凸替代方法，通过ADMM实现高效优化，实验显示其在图像修复中优于现有方法。

Vision-Language Model Guided Image Restoration

基于视觉语言模型的图像修复

Cuixin Yang, Rongkang Dong, Kin-Man Lam

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

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

AI总结 本文提出VLMIR框架，利用视觉语言模型的先验知识提升图像修复性能，通过两阶段方法结合特征提取与扩散模型实现更高质量的图像恢复。

End-to-End Learning-based Video Streaming Enhancement Pipeline: A Generative AI Approach

端到端学习基于的视频流增强管道：一种生成AI方法

Emanuele Artioli, Farzad Tashtarian, Christian Timmerer

机构 * Alpen-Adria-Universitaet（阿尔卑斯-亚得里亚大学） 纠错

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

AI总结 本文提出ELVIS框架，通过端到端学习结合服务器端编码优化与客户端生成填充，提升视频流质量并减少带宽需求。

Comments The 35th edition of the Workshop on Network and Operating System Support for Digital Audio and Video (NOSSDAV '25), March 31-April 4, 2025, Stellenbosch, South Africa

Composite Classifier-Free Guidance for Multi-Modal Conditioning in Wind Dynamics Super-Resolution

多模态条件下的风动力超分辨率复合分类器引导方法

Jacob Schnell, Aditya Makkar, Gunadi Gani, Aniket Srinivasan Ashok, Darren Lo, Mike Optis, Alexander Wong, Yuhao Chen

机构 * University of Waterloo（滑铁卢大学） ； Veer Renewables 纠错

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

AI总结 本文提出复合分类器引导方法，用于多模态条件下的风动力超分辨率重建，实现高保真度与低成本的风数据生成。

Deep priors for satellite image restoration with accurate uncertainties

具有准确不确定性的卫星图像修复中的深度先验

Biquard Maud, Marie Chabert, Florence Genin, Christophe Latry, Thomas Oberlin

机构 * ISAE-Supaero / CNES（ISAE-苏帕欧 / CNES） ； IRIT/INP-ENSEEIHT ； CNES ； ISAE-Supaero（ISAE-苏帕欧） 纠错

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

AI总结 本文提出VBLE-xz方法，通过变分压缩自动编码器的潜在空间解决卫星图像修复的反问题，并联合估计潜在空间和图像空间的不确定性，为需要不确定性量化的场景提供了一种高效替代方案。

Journal ref IEEE Transactions on Geoscience and Remote Sensing, vol. 63, pp. 1-16, 2025, Art no. 5652916

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

Unleashing Degradation-Carrying Features in Symmetric U-Net: Simpler and Stronger Baselines for All-in-One Image Restoration

释放携带退化特征的对称U-Net：适用于所有图像修复的更简单且更强的基线

Wenlong Jiao, Heyang Lee, Ping Wang, Pengfei Zhu, Qinghua Hu, Dongwei Ren

机构 * School of Mathematics, Tianjin University（天津大学数学学院） ； School of Cybersecurity, Tianjin University（天津大学网络安全学院） ； School of Artificial Intelligence, Tianjin University（天津大学人工智能学院） 纠错

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

AI总结 本文提出SymUNet和SE-SymUNet，通过简单对称U-Net架构有效释放退化特征，实现高效且强大的图像修复性能。

UnReflectAnything: RGB-Only Highlight Removal by Rendering Synthetic Specular Supervision

UnReflectAnything：通过渲染合成镜面监督实现仅RGB的高光去除

Alberto Rota, Mert Kiray, Mert Asim Karaoglu, Patrick Ruhkamp, Elena De Momi, Nassir Navab, Benjamin Busam

机构 * Politecnico di Milano（米兰理工学院） ； Technical University of Munich（慕尼黑技术大学） ； Munich Center for Machine Learning (MCML)（慕尼黑机器学习中心） ； ImFusion（ImFusion公司） 纠错

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

AI总结 UnReflectAnything通过渲染合成镜面监督，实现仅RGB图像的高光去除，适用于自然和手术领域。

FoundIR-v2: Optimizing Pre-Training Data Mixtures for Image Restoration Foundation Model

FoundIR-v2：优化图像修复基础模型的预训练数据混合

Xiang Chen, Jinshan Pan, Jiangxin Dong, Jian Yang, Jinhui Tang

机构 * Nanjing University of Science and Technology（南京理工大学） ； Nanjing Forestry University（南京林业大学） 纠错

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

AI总结 FoundIR-v2通过优化预训练数据混合比例，提升图像修复基础模型在多种任务中的泛化能力和性能。

Comments Project page: https://lowlevelcv.com/

Plug-and-Play Image Restoration with Flow Matching: A Continuous Viewpoint

即插即用图像恢复与流匹配：连续视角

Fan Jia, Yuhao Huang, Shih-Hsin Wang, Cristina Garcia-Cardona, Andrea L. Bertozzi, Bao Wang

机构 * Department of Mathematics, University of Utah, Salt Lake City, UT 84112, USA（犹他大学数学系） ； Los Alamos National Laboratory, Los Alamos, USA（洛斯阿拉莫斯国家实验室） ； Department of Mathematics, University of California, Los Angeles, USA（加州大学洛杉矶分校数学系） 纠错

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

AI总结 本文提出基于随机微分方程的即插即用流匹配模型，通过量化误差和加速模型来提升图像恢复性能。

Mixture of Ranks with Degradation-Aware Routing for One-Step Real-World Image Super-Resolution

稀疏专家混合与退化感知路由用于一步现实图像超分辨率

Xiao He, Zhijun Tu, Kun Cheng, Mingrui Zhu, Jie Hu, Nannan Wang, Xinbo Gao

机构 * State Key Laboratory of Integrated Services Networks, Xidian University（信息服务网络国家重点实验室，西安电子科技大学） ； Huawei Noah’s Ark Lab（华为诺亚实验室） 纠错

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

AI总结 本文提出了一种基于稀疏MoE和退化感知路由的单步现实图像超分辨率框架，通过细粒度专家分区和动态负载均衡提升超分辨率效果。

Comments 16 pages, Accepted by AAAI 2026, v2: corrected typos