Tag · 5 篇

退化建模

分布 底层视觉与图像复原3生成模型与扩散1视频理解与时序1
01
生成模型与扩散 / CVPR2026 待复核

VectorArk:以圆角多边形表示学习实用的图像矢量化

VectorArk: Learning Practical Image Vectorization with Rounded Polygon Representation

圆角多边形表示把矢量图元的学习简化为可回归的几何参数,配合退化模型提升对未知栅格化方式与生成图像的鲁棒性,可复用于任何需要从像素回归结构化几何表示的视觉任务。

图像矢量化视觉语言模型多边形表示
02
底层视觉与图像复原 / CVPR2026

TextOVSR:文本引导的真实世界戏曲视频超分辨率

TextOVSR: Text-Guided Real-World Opera Video Super-Resolution

用退化描述文本作为负分支约束、内容描述文本作为正分支与判别器语义引导,为真实世界视频超分提供了一种可复用的文本条件化退化建模与跨模态融合思路,可直接迁移到其他低质档案视频复原任务。

真实世界视频超分辨率文本引导双分支网络
03
底层视觉与图像复原 / CVPR2026

面向统一零样本图像复原的自监督动态异质退化建模

Self-supervised Dynamic Heterogeneous Degradation Modeling for Unified Zero-Shot Image Restoration

把异质退化重参数化为少量物理一致的参数,并在潜空间中直接优化该分布,为统一零样本复原提供了一种紧凑的退化提示词构造方式;其动态质量精炼策略可迁移到其他扩散采样轨迹的自适应调整中。

零样本图像复原扩散模型退化建模
04
底层视觉与图像复原 / CVPR2026

面向真实智能手机超分辨率的RAW域退化模型

RAW-Domain Degradation Models for Realistic Smartphone Super-Resolution

用标定得到的设备特定模糊与噪声参数替代通用先验,把公开渲染图像 unprocess 到各手机 RAW 域构造成对训练数据,可直接迁移到其他 RAW 域复原任务(去噪、去模糊、低光增强)的合成数据构造环节。

RAW域超分辨率退化建模合成数据生成
05
视频理解与时序 / CVPR2026

ELVIS:增强低光照以用于暗光视频实例分割

ELVIS: Enhance Low-Light for Video Instance Segmentation in the Dark

把低光照视频的时空退化建模成可无监督合成的数据管线,再用免标定的退化估计网络加增强解码器检测头把退化从内容特征中解耦,可直接迁移到任何在暗光视频上失效的时序感知模型(VIS、跟踪、光流)做域自适应。

视频实例分割低光照增强无监督合成数据