视觉与机器人

图像生成

图像生成、文生图、图像编辑、扩散模型和可控生成。

2026-04-17 至 2026-04-17 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 图像修复 2 篇

2604.14648 2026-04-17 cs.CV cs.AI cs.LG 70%

Seen-to-Scene: Keep the Seen, Generate the Unseen for Video Outpainting

视见过境：保留已见，生成未见以实现视频外推画布

Inseok Jeon, Minhyeok Lee, Seunghoon Lee, Minseok Kang, Suhwan Cho, Sangyoun Lee

机构 * Yonsei University（延世大学）； GenGenAI

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

AI总结本文提出Seen-to-Scene框架，结合传播和生成方法提升视频外推画布的时空一致性与视觉真实性，通过流传播和参考引导的潜在传播提高效率和可靠性。

Comments 8 pages, 8 figures (main paper); 9 pages, 10 figures (supplementary). Accepted to the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR) 2026, Findings

2602.20328 2026-04-17 cs.CV eess.IV math.OC 57%

GSNR: Graph Smooth Null-Space Representation for Inverse Problems

GSNR：图平滑空域表示用于逆问题

Romario Gualdrón-Hurtado, Roman Jacome, Rafael S. Suarez, Henry Arguello

机构 * Universidad Industrial de Santander（圣安德烈大学）

专题命中图像修复：diffusion(abstract)；分类 cs.CV

AI总结本文提出GSNR方法，通过在不可见成分中施加结构，解决逆问题中空域信息约束不足的问题，提升重建精度。

Comments Accepted to The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026)

Journal ref Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR 2026)