Tag · 8 篇
图像复原
UARE：统一视觉语言模型用于图像质量评估、复原与增强
UARE: A Unified Vision-Language Model for Image Quality Assessment, Restoration, and Enhancement
该工作提出用统一视觉语言模型联合建模图像质量评估与复原，并通过交错文本-图像数据微调对齐 IQA 信号与复原目标，为低层视觉任务提供了一种可复用的多任务协同训练范式。
ShiftLUT：面向高效图像复原的空间偏移增强查找表
ShiftLUT: Spatial Shift Enhanced Look-Up Tables for Efficient Image Restoration
用可学习通道级空间偏移（LSS）在不增加 LUT 体积的前提下扩展感受野，配合非对称双分支把算力倾斜到信息密集分支以降低推理延迟，这套思路可直接迁移到任何基于 LUT 或轻量卷积的端侧图像复原/增强模型设计。
通过噪声对齐解决扩散桥中的端点欠拟合问题
Resolving Endpoint Underfitting in Diffusion Bridges via Noise Alignment
扩散桥模型中目标端点附近的欠拟合问题被揭示，并通过噪声对齐映射解决，可直接用于改进图像复原和翻译任务中的扩散桥训练。
NanoSD：面向实时图像复原的边缘高效基础模型
NanoSD: Edge Efficient Foundation Model for Real Time Image Restoration
NanoSD 通过联合压缩 U-Net 和 VAE 编码器-解码器，在保持生成先验的同时实现边缘设备实时推理，为视觉任务提供可即插即用的轻量扩散基础模型，并揭示了参数减少与硬件效率不直接相关的设计原则。
HalluGen：合成逼真可控的幻觉以评估图像复原
HalluGen: Synthesizing Realistic and Controllable Hallucinations for Evaluating Image Restoration
HalluGen 提供了一种可控合成幻觉的扩散框架，可用于生成带有类型、位置和严重程度标注的幻觉数据，进而训练无参考幻觉检测器或评估图像质量指标；其提出的 SHAFE 指标利用特征和软注意力池化提升幻觉敏感性，对图像复原任务的可信度评估有直接借鉴意义。
连续曝光时间建模用于真实大气湍流合成
Continuous Exposure-Time Modeling for Realistic Atmospheric Turbulence Synthesis
提出曝光时间相关的调制传递函数（ET-MTF）和倾斜不变的点扩散函数（PSF），用于生成物理精确的大气湍流模糊，可复用于图像复原任务的合成数据生成与泛化性评估。
CLP：面向鲁棒语义分割的真实世界受污染镜头保护罩数据集
CLP: A Real-World Dataset of Contaminated Lens Protectors for Robust Semantic Segmentation
为镜头保护罩污染这一真实退化提供带密集语义分割掩码与对齐复原目标的基准，可直接用于评测域泛化、基础模型微调以及复原-分割联合流水线在有限数据下的表现。
CARD：基于扩散的相关噪声感知复原
CARD: Correlation Aware Restoration with Diffusion
针对真实传感器中空间相关噪声的扩散复原方法，通过噪声白化将相关噪声转为独立同分布形式，并修改DDRM的采样更新步骤，为处理非i.i.d.噪声的复原任务提供了免训练、闭式采样的通用思路。