Tag · 3 篇

门控融合

分布底层视觉与图像复原2鲁棒性与安全1

Robo-SGG: Exploiting Layout-Oriented Normalization and Restitution Can Improve Robust Scene Graph Generation

针对损坏图像下的场景图生成，提出利用对域偏移鲁棒的布局信息（实例归一化+布局导向恢复+布局嵌入编码器）来增强视觉特征鲁棒性，该即插即用模块可集成到任意基线SGG模型中，为处理域偏移提供了一种可复用的思路。

ReflexSplit: Single Image Reflection Separation via Layer Fusion-Separation

把 Differential Transformer 的注意力相消机制推广到双流分离，用跨流相减显式抑制共享结构、放大层间差异，这一思路可直接迁移到去雨、去雾、去反光等需要解耦两个叠加成分的低层复原任务。

OMoBlur: An Object Motion Blur Dataset and Benchmark for Real-World Local Motion Deblurring

针对静态场景中空间异质的局部物体运动模糊，提供了通过可编程传感器控制模拟曝光光子积分过程的采集方案，并给出无需像素级精确掩码的物体运动感知去模糊网络（运动-外观提取块 + 光流引导门控预测 + 自适应门控融合），可直接用于研究局部运动去模糊与真实模糊分布对齐问题。