IJCV

Let Synthetic Data Shine: Domain Reassembly and Soft-Fusion for Single Domain Generalization

让合成数据发光：单域泛化中的领域重组与软融合

Hao Li, Yubin Xiao, Ke Liang, Mengzhu Wang, Long Lan, Kenli Li, Xinwang Liu

AI总结 本文提出DRSF框架，通过领域重组与软融合处理合成数据与真实目标域之间的分布偏差，提升单域泛化性能，适用于图像分类、目标检测和语义分割。

Comments 26 pages, 10 figures (Accepted by IJCV)

Scene Prior Filtering for Depth Super-Resolution

场景先验过滤用于深度超分辨率

Zhengxue Wang, Zhiqiang Yan, Ming-Hsuan Yang, Jinshan Pan, Guangwei Gao, Ying Tai, Jian Yang

机构 * PCA Lab, Nanjing University of Science and Technology, China（南京理工大学科学与工程学院实验室） ； National University of Singapore（新加坡国立大学） ； University of California, USA, and Yonsei University, South Korea（美国加州大学和韩国延世大学） ； PCA Lab, Nanjing University, China（南京大学实验室） 纠错

AI总结 本文提出SPFNet网络，利用大尺度模型的表面法线和语义图作为先验信息，通过多模态先验传播和一对一先验嵌入减少纹理干扰并提升边缘表示，实现在真实和合成数据集上的超分辨率性能。

Comments Accepted to IJCV 2026