Tag · 5 篇
压缩感知
cryoSENSE：压缩感知借助蛋白质冷冻电镜图像流形上的稀疏先验与生成先验实现高通量显微成像
cryoSENSE: Compressive Sensing Enables High-throughput Microscopy with Sparse and Generative Priors on the Protein Cryo-EM Image Manifold
把去噪扩散模型当作图像流形上的生成先验，用于从欠采样测量中重建图像；这种「稀疏先验 + 扩散生成先验」的混合重建思路可以直接迁移到其他欠采样成像任务（如快速 MRI、低剂量 CT、压缩超分辨），并且论文给出了在像素域与傅里叶域欠采样下两种先验各自的适用边界。
面向压缩感知的多尺度梯度引导展开架构与自适应 Mamba
Multi-Scale Gradient-Guided Unrolling Architecture with Adaptive Mamba for Compressive Sensing
把 Mamba 状态空间块嵌入 PGD 展开框架，用多尺度展开与高维梯度融合替代跨阶段同质化特征提取，为图像复原类逆问题提供兼顾全局感受野与效率的可解释网络骨架。
GaussianPile：面向切片式体数据重建的统一稀疏高斯泼溅框架
GaussianPile: A Unified Sparse Gaussian Splatting Framework for Slice-based Volumetric Reconstruction
将各向异性 3D 高斯与成像系统点扩散函数结合，用于切片式体数据的压缩与重建，其可微投影算子和紧凑编码管线可迁移到其他需要物理感知渲染的 3D 重建任务。
超越单一解：面向图像压缩感知的多假设深度展开网络
Beyond Single Solution: Multi-Hypothesis Deep Unfolding Network for Image Compressive Sensing
把「单一解」的深度展开网络改成多假设协同展开：AlphaNet 为每个假设预测空间变化的步长，近端映射模块同时利用假设内与假设间相关性先验联合精修多个解，可直接迁移到其他病态逆问题的展开式求解器（去噪、去模糊、超分）中。
一比特足矣！基于单比特成像的高效视频采集
A Bit is All You Need! Efficient Video Capture via Single Bit Imaging
把传感器端采集压缩到 1 bit（时变阈值量化），再用神经网络重建全比特深度视频，为超低功耗/高速相机流水线提供了一条可复用的「采集-重建」联合设计思路，可直接迁移到事件相机、高速视频与压缩成像任务。