Tag · 5 篇
频域先验
统计特征引导的高分辨透射电子显微镜快速成像去噪
Statistical Characteristic-Guided Denoising for Rapid High-Resolution Transmission Electron Microscopy Imaging
把统计特征（空间偏差、频带能量）作为权重来调制卷积核与频域增益，是一种可迁移到其他强噪声成像域（低剂量 CT、荧光显微、天文成像）的去噪先验注入方式；其针对特定成像模态的噪声标定与仿真数据生成流程也值得在数据稀缺的科学成像任务中复用。
OmniFM：面向异构医学影像的模态鲁棒与任务无关联邦学习
OmniFM: Toward Modality-Robust and Task-Agnostic Federated Learning for Heterogeneous Medical Imaging
把低频频谱分量当作跨模态共享的解剖结构先验，这一思路可直接迁移到多模态医学图像的分割/超分骨干上，用频域提示替代模态专属适配器；其前缀-后缀频谱提示与嵌入级交叉注意力融合也可作为跨模态对齐的轻量插件。
基于频域去噪先验的遮挡人体运动捕捉
Occluded Human Body Capture with Frequency Domain Denoising Prior
把遮挡下的单目人体运动捕捉转化为小波系数选择问题，用频域扩散模型学习长期周期性与动量先验来修正被遮挡 2D 关键点的概率分布，这一「频域去噪先验」思路可迁移到其他存在长期缺失观测的时序视觉任务（如遮挡跟踪、时序姿态补全）。
GFRRN：弥合单图反射去除中的鸿沟
GFRRN: Explore the Gaps in Single Image Reflection Removal
用可学习 Mona 层做 PEFT 对齐预训练特征与复原模型特征，并用标签生成器统一合成/真实反射标签，可直接迁移到去雨、去雾等存在合成-真实域差的低层复原任务。
基于事件的无配对数据运动去模糊
Event-based Motion Deblurring with Unpaired Data
提出无配对事件去模糊框架，利用事件物理先验和生成式模糊建模，为缺乏配对数据的底层视觉任务提供可复用思路。