图像生成

Phenotype-preserving metric design for high-content image reconstruction by generative inpainting

为高内容图像重建设计的表型保持度量方法通过生成性图像修复

Vaibhav Sharma, Artur Yakimovich

机构 * Center for Advanced Systems Understanding (CASUS)（先进系统理解中心） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗斯托克亥姆霍尔茨中心） ； Artificial Intelligence for Life Sciences CIC（生命科学人工智能中心） ； Institute of Computer Science, University of Wroclaw（沃里尼大学计算机科学学院） 纠错

专题命中 图像修复 ：inpainting(title,abstract)；分类 cs.CV

AI总结 本文通过生成性图像修复技术，设计了保持表型的度量方法，以提高高内容荧光显微镜图像的重建质量，通过量化修复区域的生物表型大小和数量来惩罚不良的图像修复。

Comments 8 pages, 3 figures, conference proceedings

Journal ref In Emerging Topics in Artificial Intelligence (ETAI) 2023 (Vol. 12655, pp. 7-14). SPIE

FideDiff: Efficient Diffusion Model for High-Fidelity Image Motion Deblurring

FideDiff：高效的高保真图像运动去模糊扩散模型

Xiaoyang Liu, Zhengyan Zhou, Zihang Xu, Jiezhang Cao, Zheng Chen, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Harvard University（哈佛大学） 纠错

专题命中 图像修复 ：diffusion(title,abstract)；分类 cs.CV

AI总结 本文提出FideDiff，一种高效的单步扩散模型，用于高保真图像运动去模糊。通过将运动去模糊转化为扩散过程，结合Kernel ControlNet和自适应时间步预测，提升了去模糊性能。

Comments Accepted to ICLR 2026. Code is available at https://github.com/xyLiu339/FideDiff

LinearSR: Unlocking Linear Attention for Stable and Efficient Image Super-Resolution

LinearSR: 解锁线性注意力以实现稳定且高效的图像超分辨率

Xiaohui Li, Shaobin Zhuang, Shuo Cao, Yang Yang, Yuandong Pu, Qi Qin, Siqi Luo, Bin Fu, Yihao Liu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； The Australian National University（澳大利亚国立大学） 纠错

专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV

AI总结 本文提出LinearSR框架，首次系统解决线性注意力在图像超分辨率中的关键挑战，通过改进的早停指导微调策略、SNR基专家混合架构和TAG指导范式，实现高质量与高效兼顾的超分辨率生成。

Comments Camera Ready of ICLR2026