图像生成

Supervised Dictionary Learning and Sparse Representation-A Review

Mehrdad J. Gangeh, Ahmed K. Farahat, Ali Ghodsi, Mohamed S. Kamel

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

First order algorithms in variational image processing

Martin Burger, Alex Sawatzky, Gabriele Steidl

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

Comments 60 pages, 33 figures

A fast patch-dictionary method for whole image recovery

Yangyang Xu, Wotao Yin

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

Truncated Nuclear Norm Minimization for Image Restoration Based On Iterative Support Detection

Yilun Wang, Xinhua Su

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

Group-based Sparse Representation for Image Restoration

Jian Zhang, Debin Zhao, Wen Gao

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

Comments 34 pages, 6 tables, 19 figures, to be published in IEEE Transactions on Image Processing; Project, Code and High resolution PDF version can be found: http://idm.pku.edu.cn/staff/zhangjian/. arXiv admin note: text overlap with arXiv:1404.7566

Entropy Based Cartoon Texture Separation

Kutlu Emre Yilmaz

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

Comments 12 pages

Prediction of Transformed (DCT) Video Coding Residual for Video Compression

Matthieu Moinard, Isabelle Amonou, Pierre Duhamel, Patrice Brault

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

Comments 10 pages, 12 figures

Computer Vision Accelerators for Mobile Systems based on OpenCL GPGPU Co-Processing

Guohui Wang, Yingen Xiong, Jay Yun, Joseph R. Cavallaro

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

Comments 15 pages, 15 figures. Submitted and accepted for publication in Journal of Signal Processing Systems, 2014

Convex Variational Image Restoration with Histogram Priors

Paul Swoboda, Christoph Schnörr

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

Comments 20 pages, 11 figures

Large Scale Variational Bayesian Inference for Structured Scale Mixture Models

Young Jun Ko, Matthias Seeger

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

Comments Appears in Proceedings of the 29th International Conference on Machine Learning (ICML 2012)

Total Variation and Euler's Elastica for Supervised Learning

Tong Lin, Hanlin Xue, Ling Wang, Hongbin Zha

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

Comments ICML2012

Solving Inverse Problems with Piecewise Linear Estimators: From Gaussian Mixture Models to Structured Sparsity

Guoshen Yu, Guillermo Sapiro, Stéphane Mallat

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

Comments 30 pages

HT-Bench: Benchmarking and Learning Dexterous Full-Hand Tactile Representations with Egocentric Vision

HT-Bench：基于自我中心视觉的灵巧全手触觉表示基准与学习

Yuzhe Huang, Jiaping Wu, Jiaming Jiang, Hezhe Lin, Aikebaier Aierken, Yunlong Wang, Kun Cheng, Wanlin Li, Chenxi Xiao, Ziyuan Jiao, Yuanxin Zhong

机构 * Beihang University（北航） ； Rimbot ； BUPT（北邮） ； ShanghaiTech University（上海科技大学） ； Tsinghua University（清华大学） ； CAS（中国科学院） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 提出HT-Bench多任务基准和HandTouch编码器，通过大规模自我中心视觉与全手触觉数据，在触觉相似性检索、掩码修复、视觉到触觉合成等任务上验证了触觉表示的有效性。

Comments 9pages, 4figures

Multiscale Training of Convolutional Neural Networks

卷积神经网络的多尺度训练

Shadab Ahamed, Niloufar Zakariaei, Eldad Haber, Moshe Eliasof

机构 * Department of Physics & Astronomy, University of British Columbia（物理与天文学系，不列颠哥伦比亚大学） ； Department of Earth, Ocean and Atmospheric Sciences, University of British Columbia（地球、海洋和大气科学系，不列颠哥伦比亚大学） ； Department of Applied Mathematics and Theoretical Physics, University of Cambridge（应用数学与理论物理系，剑桥大学） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 本文提出多尺度梯度估计和全多尺度训练方法，通过多层蒙特卡洛思想减少高分辨率CNN训练的计算成本，提升训练效率。

Comments 25 pages, 10 figures, 8 tables

Journal ref Transactions on Machine Learning Research (TMLR), March 2026

A Survey of Advancing Audio Super-Resolution and Bandwidth Extension from Discriminative to Generative Models

音频超分辨率和带宽扩展从判别模型到生成模型的综述

Ningyuan Yang, Yize Li, Diego A. Cuji, Ryan M. Corey, Pu Zhao, Xue Lin, Andrew C. Singer

机构 * Discovery Partners Institute（发现伙伴研究所） 纠错

专题命中 图像修复 ：diffusion(abstract)

AI总结 本文综述了音频超分辨率和带宽扩展领域，从判别模型向生成模型的转变，总结了早期判别模型的局限性以及生成模型在表示域、架构、条件机制等方面的改进，探讨了大语言模型和多模态基础模型等新兴方向，并指出了感知评估、相位建模和实际应用泛化等开放挑战。

Comments Under review

RECAST: A Machine-Learning Framework for Correction and Super-Resolution of Coarse-Grid PDE Solvers

RECAST：用于粗网格PDE求解器校正与超分辨率的机器学习框架

Maryam Reza, Farbod Faraji

专题命中 图像修复 ：diffusion(abstract)

AI总结 该研究提出机器学习框架RECAST，可在保留粗网格PDE演化的同时降低约50%-92%的时间平均相对误差，实现更粗网格的高精度PDE模拟，为高维数值模拟加速提供概念验证。

Comments 29 pages, 24 figures, 2 tables

FiPA-SR -- FiLM-Conditioned Perceptually Informed Audio Super-Resolution

FiPA-SR -- 基于FiLM条件感知的音频超分辨率

Wallace Abreu, Luiz W. P. Biscainho

专题命中 图像修复 ：diffusion(abstract)

AI总结 提出FiPA-SR，一种基于GAN的感知架构，通过FiLM层适应不同输入带宽，在单一模型中处理多种采样率，性能优于AudioSR且效率更高。

Comments Submitted to the XLIV BRAZILIAN SYMPOSIUM ON TELECOMMUNICATIONS AND SIGNAL PROCESSING - SBrT 2026

Helping Music Co-Creation Agents 'Listen' Well: Hierarchical Self-Supervised World Models for Understanding and Generation

助力音乐协同创作智能体“良好聆听”：用于理解与生成的分层自监督世界模型

Scott H. Hawley

机构 * Belmont University（贝尔蒙特大学） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 本研究提出分层自监督世界模型，通过Swin V2编码器与条件流匹配模型构建协同音乐创作智能体，提升了和弦与调式检测准确率，可快速生成音乐建议并支持交互演示。

Comments 20 pages, 14 figures. A 6-page version was submitted to the NeurIPS 2026 Creative AI Track. Supplemental website with listening examples: https://drscotthawley.github.io/midi-rae-jepa-son/. Live demo: https://drscotthawley-midi-rae-jepa-son.hf.space/

ZUNA1.1: A more flexible EEG foundation model for Denoising and Super-resolution

ZUNA1.1：一种更灵活的用于去噪和超分辨率的脑电图（EEG）基础模型

Christopher Warner, Jonas Mago, JR Huml, Beren Millidge

机构 * Zyphra 纠错

专题命中 图像修复 ：diffusion(abstract)

AI总结 研究推出3.8亿参数的EEG基础模型ZUNA1.1，其灵活性远超原模型ZUNA1，在EEG去噪与重建任务中性能达标且显著优于MNE包的球形样条插值，已以Apache 2.0许可开源发布。

Inferring Missing Trajectory Data with Temporal Convolutional Networks

使用时间卷积网络推断缺失的轨迹数据

Ilinca Tiriblecea, Gabriel Turinici

机构 * CEREMADE, Université Paris Dauphine - PSL, CNRS（巴黎第九大学 - 巴黎文理研究大学、法国国家科学研究中心决策数学与经济实验室） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 针对现实中轨迹数据常缺失的问题，提出用带对称扩张的时间卷积网络进行轨迹修复，放宽因果关系约束，利用组合损失训练，在含随机掩码片段的合成数据集上训练，取得良好的R²、MSE和MAE指标。

Audio dequantization using instantaneous frequency

利用瞬时频率的音频去量化

Vojtěch Kovanda, Pavel Rajmic

专题命中 图像修复 ：inpainting(abstract)

AI总结 本文提出了一种基于相位感知正则化器的音频去量化方法，旨在提升音频信号在时频表示中的正弦分量连续性并减少能量损失伪影。

Stop-and-go wave super-resolution reconstruction via iterative refinement

Junyi Ji, Alex Richardson, Derek Gloudemans, Gergely Zachár, Matthew Nice, William Barbour, Jonathan Sprinkle, Benedetto Piccoli, Daniel B. Work

专题命中 图像修复 ：diffusion(abstract)

An operator-splitting algorithm for the hypergraph $p$-Laplacian with applications to missing data recovery

一种用于超图p-拉普拉斯算子的算子分裂算法及其在缺失数据恢复中的应用

Kehan Shi, Jin Liu, Martin Burger

专题命中 图像修复 ：inpainting(abstract)

AI总结 本文针对超图p-拉普拉斯正则化，提出算子分裂算法，通过高斯-赛德尔方式处理超边，利用辅助变量和ADMM克服非光滑性，证明算法收敛性，并通过缺失数据恢复问题测试，表明其比现有方法更快。

Comments 20 pages

TrustVLA: Mechanism-Guided Inference-Time Defense Against Vision-Language-Action Backdoors

TrustVLA：针对视觉-语言-动作后门的机制引导推理时防御

Pinhan Fu, Xianda Guo, Xuetao Li, Wenke Huang, Ruilin Wang, Weiheng Zhao, Wei Sui, Mang Ye

机构 * School of Computer Science, Wuhan University（武汉大学计算机科学学院） ； D-Robotics（D-机器人公司） ； HUST（华中科技大学） ； Institute of Automation, Chinese Academy of Sciences（中国科学院自动化研究所） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 研究视觉-语言-动作模型中毒后门问题，通过两种攻击识别出紧凑因果足迹机制，基于此提出TrustVLA防御，能检测异常证据演变、定位支持并恢复观测，在多评估中降低攻击成功率且保持干净任务性能。

Nearly Full-Sky Low-Multipole Cosmic Microwave Background Temperature Anisotropy: II. Angular Power Spectra and Likelihood

近全天低多极宇宙微波背景温度各向异性：II. 角功率谱与似然

Hayley C. Nofi, Graeme E. Addison, Charles L. Bennett, Laura Herold, J. L. Weiland

专题命中 图像修复 ：inpainting(abstract)

AI总结 基于模板法去除前景的WMAP和Planck数据，测量了低多极（ℓ<30）CMB温度功率谱，仅屏蔽1%像素，发现四极矩偏低（2.2σ）、20≤ℓ≤27处凹陷及整体功率低于ΛCDM预言，并提供了新的似然函数。

Comments Published in The Astrophysical Journal

Journal ref 2026 ApJ 1005 145

Nearly Full-Sky Low-Multipole Cosmic Microwave Temperature Anisotropy: I. Foreground Cleaned Maps

近全天低多极宇宙微波温度各向异性：I. 前景清洁图

Hayley C. Nofi, Graeme E. Addison, Charles L. Bennett, Laura Herold, J. L. Weiland

专题命中 图像修复 ：inpainting(abstract)

AI总结 利用多频模板图组合，仅掩蔽1%像素，生成近全天CMB温度图，推荐用于低多极（ℓ<30）研究。

Comments Published to The Astrophysical Journal

Journal ref 2026 ApJ 1005 144

Guided Unconditional and Conditional Generative Models for Super-Resolution and Inference of Quasi-Geostrophic Turbulence

引导的无条件和条件生成模型用于超分辨率和准地转湍流的推断

Anantha Narayanan Suresh Babu, Akhil Sadam, Pierre F. J. Lermusiaux

机构 * Massachusetts Institute of Technology（麻省理工学院） ； Department of Mechanical Engineering, Massachusetts Institute of Technology（麻省理工学院机械工程系） ； Center for Computational Science and Engineering, Massachusetts Institute of Technology（麻省理工学院计算科学与工程中心） 纠错

专题命中 图像修复 ：diffusion(abstract)

AI总结 本文提出引导的生成模型用于从稀疏观测中推断准地转湍流，比较了无条件和条件模型在超分辨率和湍流统计中的表现，揭示了模型在实现难度、精度和一致性间的权衡。

Comments 47 pages, 16 figures, 5 tables

Journal ref Journal of Advances in Modeling Earth Systems, 18, e2025MS005324

XConv: Low-memory stochastic backpropagation for convolutional layers

XConv: 卷积层的低内存随机反向传播

Anirudh Thatipelli, Jeffrey Sam, Mathias Louboutin, Ali Siahkoohi, Rongrong Wang, Felix J. Herrmann

机构 * University of Central Florida（中央佛罗里达大学） ； Rice University（里士满大学） ； DevitoCodes Ltd（DevitoCodes有限公司） ； Michigan State University（密歇根州立大学） ； Georgia Institute of Technology（佐治亚理工学院） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 提出XConv方法，通过存储激活的压缩投影并利用多通道随机迹估计近似梯度，在不增加计算、不约束架构、不大量修改代码的情况下，大幅降低卷积层反向传播的内存需求。

Bridging data-driven priors via the score function for posterior sampling -- Comparative review and experimental study

通过得分函数桥接数据驱动先验进行后验采样——比较综述与实验研究

Elhadji Cisse Faye, Mame Diarra Fall, Sylvain Delchini, Nicolas Dobigeon

机构 * IDP, Univ Orléans（IDP，奥尔良大学） ； LITIS, Univ Rouen Normandie（LITIS，鲁昂-诺曼底大学） ； Bureau de Recherches Géologiques et Minières Orléans, France（奥尔良地质与矿业研究局，法国） ； IRIT, Univ Toulouse（图卢兹大学IRIT） 纠错

专题命中 图像修复 ：inpainting(abstract)

AI总结 本文综述了贝叶斯逆问题中多种数据驱动先验如何通过得分函数统一，并展示其在采样算法中的有效集成，通过图像修复和超分辨率实验验证了方法的效率与通用性。

Minimal Lipschitz and $\infty$-Harmonic Extensions of Vector-Valued Functions on Finite Graphs

有限图上向量值函数的最小Lipschitz和∞-谐波扩展

Miroslav Bačák, Johannes Hertrich, Sebastian Neumayer, Gabriele Steidl

专题命中 图像修复 ：inpainting(abstract)

AI总结 本文研究了有限图上满足特殊极小性质的向量值函数扩展问题，证明了所谓的lex和L-lex极小扩展实际上是相同的，称为最小Lipschitz扩展，并证明图p-拉普拉斯方程的解在p→∞时收敛到这些扩展，同时探讨了最小Lipschitz扩展与迭代加权中值滤波器的关系及其与标量值函数的∞-拉普拉斯方程的联系，并给出了Elmoataz等人(2014)提出的迭代算法求解∞-拉普拉斯方程零点的收敛证明，最后展示了其在图像修复中的应用。