Tag · 4 篇

图像翻译

分布生成模型与扩散2图像编辑与可控生成1底层视觉与图像复原1

TherA: Thermal-Aware Visual-Language Prompting for Controllable RGB-to-Thermal Infrared Translation

TherA 将视觉语言模型（VLM）作为条件编码器，把用户提示的场景-物体条件对映射为热感知嵌入，再驱动潜扩散模型实现可控的 RGB 到热红外翻译；这种“VLM 编码条件 + 扩散解码”的范式可复用到其他需要物理属性感知的跨模态图像翻译任务（如 RGB 到近红外、深度、事件相机）。

SynthRGB-T: Language-Vision Guided Image Translation for Diversity Synthesis

把红外↔可见光图像翻译建模为视觉语言引导的去噪扩散过程，并用解耦注入策略与双条件交叉注意力处理多路引导冲突，可直接复用于跨模态数据增广与开放世界条件生成。

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。

MERIT: Multi-domain Efficient RAW Image Translation

把跨相机 RAW 域差异当作图像翻译问题，用单一模型覆盖任意源-目标相机对，并提出传感器感知的噪声建模损失对齐信号相关噪声统计；对做 RAW 域泛化、低层复原或多相机数据统一预处理的视觉研究者，这是一个可直接复用的噪声对齐思路和统一翻译框架。