图像生成

VICR: Visual In-Context Restoration for Real-World Image Super-Resolution

VICR: 面向真实图像超分辨率的视觉上下文恢复

Qichang Zhang, Hailong Wang, Baiang Li, Linhao Wang, Rong Fu, Erkang Cheng, Simon James Fong

机构 * Faculty of Science and Technology, University of Macau（澳门大学科技学院） ； Nullmax ； Hefei University of Technology（合肥工业大学） ； Shandong Normal University（山东师范大学） 纠错

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

AI总结 提出基于扩散变换器的视觉上下文恢复框架，通过解耦的视觉先验注入机制将真实图像超分辨率建模为图像补全，实现结构保真与细节合成的平衡。

Comments 28 pages, 11 figures, 9 tables

Beyond Visual Fidelity: Benchmarking Super-Resolution Models for Large-Scale Remote Sensing Imagery via Downstream Task Integration

超越视觉保真度：通过下游任务集成评估大规模遥感影像的超分辨率模型

Zhili Li, Kangyang Chai, Zhihao Wang, Xiaowei Jia, Yanhua Li, Gengchen Mai, Sergii Skakun, Dinesh Manocha, Yiqun Xie

机构 * University of Maryland（马里兰大学） ； University of Pittsburgh（匹兹堡大学） ； Worcester Polytechnic Institute（沃思利技术学院） ； University of Texas at Austin（德克萨斯大学奥斯汀分校） 纠错

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

AI总结 针对现有超分辨率评估依赖PSNR/SSIM等保真度指标而忽略下游任务效用的问题，提出GeoSR-Bench基准数据集，集成土地覆盖分割、基础设施映射等下游任务，评估GAN、Transformer等9种SR模型在270种设置下的性能，发现保真度指标与任务性能弱相关甚至负相关。

Comments Under review at IEEE TPAMI

Enhancing Blind Source Separation with Dissociative Principal Component Analysis

增强盲源分离的解离主成分分析

Muhammad Usman Khalid

机构 * College of Computer and Information Sciences, Imam Mohammad Ibn Saud Islamic University（伊斯兰国际大学计算机与信息科学学院） 纠错

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

AI总结 提出解离主成分分析（DPCA），通过联合估计主成分和载荷向量并显式建模其相互依赖关系，克服传统稀疏PCA在源重叠时性能下降的问题，在模拟fMRI源恢复、前景背景分离等任务中优于经典sPCA。

Comments 13 pages with 6 figures, this work has not been published before