图像生成

Bridging Restoration and Generation Manifolds in One-Step Diffusion for Real-World Super-Resolution

连接恢复与生成流形的单步扩散在现实世界超分辨率中的应用

Shyang-En Weng, Yi-Cheng Liao, Yu-Syuan Xu, Wei-Chen Chiu, Ching-Chun Huang

机构 * National Yang Ming Chiao Tung University, Hsinchu, Taiwan ； MediaTek Inc., Taiwan 纠错

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

AI总结 本文提出IDaS-SR框架，通过Manifold Inversion Noise Estimator和CHARIOT机制，解决单步扩散中恢复与生成流形的匹配问题，提升现实世界超分辨率的性能。

Mind the Gap: Geometrically Accurate Generative Reconstruction from Disjoint Views

注意间隙：从不重叠视角进行几何准确的生成重建

Grzegorz Wilczynski, Mikołaj Zielinski, Bartosz Świrta, Dominik Belter, Przemysław Spurek

机构 * Jagiellonian University（雅盖隆大学） ； IDEAS Research Institute（IDEAS研究机构） ； Poznań University of Technology（波兹南技术大学） ； Warsaw University of Technology（华沙技术大学） 纠错

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

AI总结 本文提出了一种新的生成重建范式，针对不重叠视角下的几何重建问题，提出GLADOS框架，通过生成桥梁、鲁棒粗重建和迭代上下文扩展优化，解决传统方法在零重叠场景下的失败问题。

SRGAN-CKAN: Expressive Super-Resolution with Nonlinear Functional Operators under Minimal Resources

SRGAN-CKAN：在最小资源下利用非线性函数算子实现表达性超分辨率

Roberto Isai Navaro-Aviña, Eduardo Said Merin-Martinez, Andres Mendez-Vazquez, Eduardo Rodriguez-Tello

机构 * Cinvestav, Unidad Guadalajara（Cinvestav，瓜达拉哈拉分校） ； Cinvestav, Unidad Tamaulipas（Cinvestav，塔毛利帕斯分校） 纠错

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

AI总结 本文提出SRGAN-CKAN框架，通过整合卷积Kolmogorov-Arnold网络，利用非线性分块变换提升局部算子的表达能力，在最小资源下实现高质量超分辨率。