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。

2026-04-20 至 2026-04-20 共收录 2 篇信号源：cs.CV, cs.GR, cs.MM

1. 图像修复 2 篇

2604.15723 2026-04-20 cs.CV cs.AI 79%

Diffusion Autoencoder for Unsupervised Artifact Restoration in Handheld Fundus Images

用于无监督消除手持视网膜图像中伪影的扩散自编码器

Mathumetha Palani, Kavya Puthumana, Ayantika Das, Ganapathy Krishnamurthi

机构 * Nuvo AI ； Indian Institute of Technology Madras（印度理工学院马德拉斯）

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

AI总结本文提出一种无监督扩散自编码器，通过结合上下文编码器与去噪过程，学习语义表示以恢复手持视网膜图像中的伪影。模型仅使用高质量台式视网膜图像训练，能有效提升诊断准确率至81.17%。

Comments 5 pages, 2 figures, 1 Table - ISBI IEEE 2025 CONFERENCE

2603.02210 2026-04-20 cs.CV 79%

HiFi-Inpaint: Towards High-Fidelity Reference-Based Inpainting for Generating Detail-Preserving Human-Product Images

HiFi-Inpaint：迈向高保真参考基于修复生成细节保留的人-产品图像

Yichen Liu, Donghao Zhou, Jie Wang, Xin Gao, Guisheng Liu, Jiatong Li, Quanwei Zhang, Qiang Lyu, Lanqing Guo, Shilei Wen, Weiqiang Wang, Pheng-Ann Heng

机构 * University of Chinese Academy of Sciences（中国科学院大学）； The Chinese University of Hong Kong（香港中文大学）； Zhejiang University（浙江大学）

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

AI总结本文提出HiFi-Inpaint框架，通过Shared Enhancement Attention和Detail-Aware Loss解决人-产品图像生成中的细节保留问题，并构建了HP-Image-40K数据集，实验表明其在生成高保真图像方面表现优异。

Comments Accepted by CVPR 2026 (Project page: https://correr-zhou.github.io/HiFi-Inpaint/)