Tag · 7 篇

迭代细化

分布 3D 视觉与重建5图像编辑与可控生成1底层视觉与图像复原1

iLRM: An Iterative Large 3D Reconstruction Model

把多视图全局注意力拆成两阶段注意力、并把场景表示与输入图像解耦，是让前馈 3DGS 重建在视图数与分辨率增大时仍可扩展的通用手段，可直接迁移到任何多视图 Transformer 重建或新视角合成管线。

SketchRevive: Fine-Grained Pixel-to-Vector Sketch Completion with Diffusion-Prior-Guided Multimodal LLMs

把扩散模型的多尺度 UNet 特征与线条预测 logits 注入 MLLM 视觉嵌入并做词元压缩，这一「扩散先验聚合编码」思路可迁移到任何需要把像素级生成先验喂给多模态大模型的图像编辑/矢量化任务。

PromptStereo: Zero-Shot Stereo Matching via Structure and Motion Prompts

将单目深度基础模型的解码器改造为提示词引导的迭代细化模块（PRU），把单目结构线索与立体运动线索作为提示词注入潜变量，为立体匹配的迭代阶段提供可复用的零样本泛化增强手段。

Iris: Integrating Language into Diffusion-based Monocular Depth Estimation

把文本描述作为额外条件注入扩散式单目深度估计器（Marigold、Lotus、E2E-FT），可缩小深度解空间、提升小区域精度，并支持通过追加场景描述迭代细化深度；同时文本条件能加速训练收敛与推理扩散轨迹，是一种可直接复用的条件化与加速手段。

GIFSplat: Generative Prior-Guided Iterative Feed-Forward 3D Gaussian Splatting from Sparse Views

把「一次性前馈预测」改成少量前馈式残差迭代，并用冻结扩散先验蒸馏出高斯级线索，无需测试时梯度优化即可在稀疏无位姿视角下做场景自适应，可直接迁移到其他前馈式 3DGS/NeRF 管线以提升域外泛化与质量。

Depth Hypothesis Guided Iterative Refinement for Event-Image Monocular Depth Estimation

把连续深度回归转成基于离散深度假设体积的约束搜索，并用轻量多尺度相关代价体积做全局到局部的迭代残差细化，这一思路可直接迁移到其他病态回归任务（如光流、法向、表面重建）以及事件-图像融合的稠密预测中。

CRFT: Consistent-Recurrent Feature Flow Transformer for Cross-Modal Image Registration

提出基于特征流学习的统一粗到细跨模态配准框架，其迭代差异引导注意力与空间几何变换循环细化流场的设计，可复用于多模态空间对应任务（如遥感、医学影像配准），为处理大仿射和尺度变化下的对齐提供可借鉴的Transformer架构。