CVPR

Multinex: Lightweight Low-light Image Enhancement via Multi-prior Retinex

Multinex：通过多先验反光模型实现轻量级低光照图像增强

Alexandru Brateanu, Tingting Mu, Codruta Ancuti, Cosmin Ancuti

机构 * Department of Computer Science, University of Manchester（曼彻斯特大学计算机科学系） ； ETcTI, University Politehnica Timisoara（蒂米șoara工业大学ETcTI） ； West University of Timisoara（蒂米șoara西大学） 纠错

AI总结 本文提出Multinex，一种轻量级低光照图像增强框架，通过多先验反光模型实现光照和颜色校正，显著降低计算成本并提升性能。

Comments Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026

FiDeSR: High-Fidelity and Detail-Preserving One-Step Diffusion Super-Resolution

FiDeSR: 高保真且细节保留的一步扩散超分辨率

Aro Kim, Myeongjin Jang, Chaewon Moon, Youngjin Shin, Jinwoo Jeong, Sang-hyo Park

机构 * Kyungpook National University ； Korea Electronics Technology Institute 纠错

AI总结 FiDeSR通过细节感知加权策略和残差-残差噪声细化，实现高保真且细节保留的一步扩散超分辨率

Comments Accepted to CVPR 2026

Journal ref Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 2026, pp. 38270-38280