图像生成

PrefPaint: Enhancing Medical Image Inpainting through Expert Human Feedback

PrefPaint：通过专家人类反馈增强医学图像修复

Duy-Bao Bui, Hoang-Khang Nguyen, Thao Thi Phuong Dao, Kim Anh Phung, Tam V. Nguyen, Justin Zhan, Minh-Triet Tran, Trung-Nghia Le

机构 * University of Science（科学大学） ； Vietnam National University（越南国立大学） ； Thong Nhat Hospital（统一医院） ； University of Cincinnati（辛辛那提大学） ； University of Dayton（代顿大学） 纠错

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

AI总结 本文提出PrefPaint系统，结合专家反馈提升医学图像修复的准确性，通过简化界面和模型树版本控制，提高临床应用中的实用性与效果。

Degradation-Aware and Structure-Preserving Diffusion for Real-World Image Super-Resolution

考虑退化和保持结构的扩散用于现实世界图像超分辨率

Yang Ji, Zonghao Chen, Zhihao Xue, Junqin Hu

机构 * KUNBYTE（坤比特） ； GOLDMYE（金迈） 纠错

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

AI总结 本文提出了一种考虑退化和保持结构的扩散框架，通过引入退化感知的token注入和空间非对称噪声注入，提升现实世界图像超分辨率的感知质量和结构保持性。

Energy-oriented Diffusion Bridge for Image Restoration with Foundational Diffusion Models

面向能量的扩散桥：基于基础扩散模型的图像修复

Jinhui Hou, Zhiyu Zhu, Junhui Hou

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Department of Computer Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）计算机科学系） 纠错

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

AI总结 本文提出E-Bridge框架，通过设计新型桥过程和连续时间一致性目标，提升图像修复性能，实现低能耗轨迹和任务自适应的平衡。

Comments Accepted to ICLR26

Post-Processing Methods for Improving Accuracy in MRI Inpainting

改进MRI修复精度的后处理方法

Nishad Kulkarni, Krithika Iyer, Austin Tapp, Abhijeet Parida, Daniel Capellán-Martín, Zhifan Jiang, María J. Ledesma-Carbayo, Syed Muhammad Anwar, Marius George Linguraru

机构 * CIBER-BBN, ISCIII（生物工程、生物材料与纳米医学网络研究中心，卡洛斯三世健康研究所） 纠错

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

AI总结 本文提出结合模型集成与高效后处理策略的MRI修复方法，通过轻量U-Net增强阶段提升解剖合理性与视觉保真度，实现更准确且鲁棒的修复结果。

Randomized Approach to Matrix Completion: Applications in Recommendation Systems and Image Inpainting

矩阵补全的随机方法：推荐系统和图像修复中的应用

Antonina Krajewska, Ewa Niewiadomska-Szynkiewicz

机构 * NASK National Research Institute（NASK国家研究所） ； Warsaw University of Technology（华沙理工大学） 纠错

专题命中 图像修复 ：inpainting(title,abstract)

AI总结 本文提出一种新的矩阵补全方法，用于处理行数远多于列数的矩阵。通过结合列子集选择与低秩矩阵补全，CSMC在保持解质量的同时大幅降低计算成本，并在推荐系统和图像修复中验证了其有效性。

Journal ref Machine Learning, 115, 57 (2026)

From Redaction to Restoration: Deep Learning for Medical Image Anonymization and Reconstruction

从遮蔽到重建：深度学习在医学图像匿名化与重建中的应用

Adrienne Kline, Abhijit Gaonkar, Daniel Pittman, Chris Kuehn, Nils Forkert

机构 * Center for Artificial Intelligence, BCVI, Northwestern Medicine（西北医学BCVI人工智能中心） ； Department of Electrical and Computer Engineering, Northwestern University（西北大学电气与计算机工程系） ； Department of Surgery, Northwestern University（西北大学外科学系） ； Xtasis Inc.（Xtasis公司） ； Medtronic（美敦力公司） ； Departments of Radiology and Clinical Neurosciences, University of Calgary（卡尔加里大学放射学与临床神经科学系） 纠错

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

AI总结 本文提出一种端到端的深度学习框架，用于将原始临床图像转换为去标识、适合分析的数据集，同时减少患者重新识别的风险。

Iterative Inference-time Scaling with Adaptive Frequency Steering for Image Super-Resolution

迭代推理时间缩放与自适应频率导向的图像超分辨率

Hexin Zhang, Dong Li, Jie Huang, Bingzhou Wang, Xueyang Fu, Zhengjun Zha

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出IAFS框架，通过迭代精炼和频率感知粒子融合，解决图像超分辨率中感知质量与结构保真度的平衡问题，实验表明其在多模型上均优于现有方法。