Tag · 17 篇
图像修复
你的潜变量掩码是错的：面向扩散模型的像素等价潜变量合成
Your Latent Mask is Wrong: Pixel-Equivalent Latent Compositing for Diffusion Models
把「潜空间合成应当等价于像素空间合成」作为设计准则，用一个轻量 Transformer 预测逐通道混合权重与离流形残差修正，使扩散模型在 8 倍压缩的 VAE 潜变量上也能实现全分辨率掩码与软边缘 alpha 合成；做图像修复、局部编辑或任何需要掩码融合的扩散流程时，可直接替换线性潜变量插值这一环节，且无需微调骨干网络。
UniSER：统一软效应去除的基础模型
UniSER: A Foundation Model for Unified Soft Effects Removal
把镜头光晕、雾、阴影、反射统一建模为「半透明遮挡」并用 Diffusion Transformer 做微调复原，配合细粒度掩码与强度控制，为低层复原提供了一条「一个模型处理多类软效应」的可复用范式与 3.8M 配对数据构建思路。
UnReflectAnything：通过渲染合成镜面高光监督实现仅RGB的高光去除
UnReflectAnything: RGB-Only Highlight Removal by Rendering Synthetic Specular Supervision
提出用单目几何与Fresnel着色渲染物理合理的合成高光作为监督信号，使仅用RGB图像即可训练高光去除模型；其token级特征修复模块可复用于其他需要恢复被遮挡或损坏特征的底层视觉任务。
看见并修复缺陷：通过智能体数据合成让视觉语言模型与扩散模型理解视觉伪影
See and Fix the Flaws: Enabling VLMs and Diffusion Models to Comprehend Visual Artifacts via Agentic Data Synthesis
提出在扩散 Transformer 内做 patch 级嵌入操纵来可控注入伪影，并自动生成局部/全局解释，可直接用于构建伪影检测与修复模型的训练数据，也可作为评估生成图像真实性的诊断工具。
SimplePoster：产品海报生成的简单基线
SIMPLEPOSTER: A SIMPLE BASELINE FOR PRODUCT POSTER GENERATION
提出一种极简的图像修复框架，通过全参数微调和字符级位置编码实现主体保持与位置可控的文本渲染，无需 ControlNet 等外部控制器，为可控生成提供了轻量级替代方案。
面向多维数据恢复的重参数化张量环函数分解
Reparameterized Tensor Ring Functional Decomposition for Multi-Dimensional Data Recovery
把张量环分解的因子用隐式神经表示参数化，使分解能作用于非网格数据（如点云），并通过频率域分析指出因子谱结构限制高频建模，再用「可学习潜张量×固定基」的重参数化改善训练动力学——这套思路可直接迁移到任意基于 INR 的连续信号重建与逆问题求解中。
基于自适应目标感知注意力的精确物体与效果移除
Precise Object and Effect Removal with Adaptive Target-Aware Attention
自适应目标感知注意力把前景移除与背景重建解耦，并用学到的注意力图做推理期融合；做扩散图像修复/擦除时可直接借鉴这种解耦式注意力设计与注意力引导融合策略，避免背景被改写。
PHAC：可提示的人体非模态补全
PHAC: Promptable Human Amodal Completion
将点级提示（关节、边界框）经 ControlNet 注入预训练扩散模型，并仅微调交叉注意力块以保持生成先验，这一「轻量适配 + 多类型提示编码」范式可直接迁移到其他需要用户精细控制的条件生成任务。
PG-VTON：基于图像块引导参考对齐的单次免训练虚拟试衣
PG-VTON: Single-Pass Training-Free Virtual Try-On via Patch-Guided Reference Alignment
把现成的图像修复扩散模型当作上下文补全器，仅用早期去噪步注入服装图像块、并在注意力层强化掩码区域 token 对服装 token 的关联，就能单次前向完成试衣；这套「不改权重、只调注入时机与注意力」的思路可直接迁移到其他参考图驱动的局部编辑任务。
MV2UV：利用多视图提示生成高质量 UV 纹理贴图
MV2UV: Generating High-quality UV Texture Maps with Multiview Prompts
把多视图生成的 2D 扩散先验与 UV 空间修复结合，用 UV 空间生成模型同时补全多视图未见区域并消解视图间不一致，为三维资产纹理生成提供了可复用的「多视图提示 + UV 精修」范式。
InverFill：面向高质量少步扩散图像修复的一步反演方法
InverFill: One-Step Inversion for Enhanced Few-Step Diffusion Inpainting
把输入掩码图像的语义通过一步反演注入初始噪声，替代随机高斯噪声，可直接套用到任何少步 T2I 模型的 blended sampling 流程中，在低 NFE 下改善修复区域与背景的协调性，且无需重训练。
GaussianGrow：基于文本引导从3D点云几何感知地生长高斯
GaussianGrow: Geometry-aware Gaussian Growing from 3D Point Clouds with Text Guidance
提出从点云生长高斯的框架，利用多视图扩散模型合成一致外观监督，并通过迭代检测未生长区域和2D扩散修复补全，为文本引导的3D高斯生成提供了几何准确的方案。
从图像修复到图层分解：改造生成式图像修复模型用于图像图层分解
From Inpainting to Layer Decomposition: Repurposing Generative Inpainting Models for Image Layer Decomposition
把预训练的扩散图像修复模型通过轻量微调改造成图层分解器，并用线性复杂度的多模态上下文融合模块在潜空间保留细节；做图像编辑、遮挡恢复或前景/背景分离的研究者可直接复用这一「修复模型即分解模型」的迁移思路与融合模块。
FontCrafter：基于视觉上下文生成的高保真元素驱动艺术字体创作
FontCrafter: High-Fidelity Element-Driven Artistic Font Creation with Visual In-Context Generation
把参考元素图当作视觉上下文、用图像修复模型在像素级把风格迁移进字形区域，并配轻量 Context-aware Mask Adapter 注入形状、用免训练注意力重定向抑制笔画幻觉——这套「上下文+掩码适配器+注意力重定向」的组合可直接迁移到任何需要保留参考纹理与结构的可控生成任务（如风格化 logo、纹理迁移、局部重绘）。
EpiAgent：面向古代碑刻复原的智能体中心系统
EpiAgent: An Agent-Centric System for Ancient Inscription Restoration
把图像复原从单次前向的固定流水线改造成由 LLM 规划器调度的多工具智能体循环（观察-构思-执行-再评估），对做低层视觉的人提供了一个可复用的思路：用多模态分析结果驱动工具选择与迭代精炼，从而应对训练分布外的异质退化。
Diff-SemiER：面向半透明眼镜去除的透明度感知自适应融合扩散模型与生成先验
Diff-SemiER: Transparency-Aware Adaptive Fusion Diffusion Model with Generative Prior for Semi-Transparent Eyeglasses Removal
针对半透明遮挡这一特殊编辑场景，提出软掩码感知的多尺度自适应融合机制，在生成先验与细节复原之间动态权衡；其透射率驱动的数据合成思路可迁移到其他半透明/部分遮挡的复原任务（如墨镜、面纱、玻璃反光去除）。
面向文本到图像生成的智能体修图器
Agentic Retoucher for Text-To-Image Generation
将生成后校正建模为感知-推理-动作的智能体循环，为扩散模型输出提供可定位、可控制的局部修复方案，其感知智能体的上下文显著性学习与推理智能体的渐进偏好对齐可直接迁移到其他图像编辑与质量提升任务。