图像生成

SketchSense: Learning to Interpret Imperfect Sketch Guidance for Image Inpainting

SketchSense：学习解释用于图像修复的不完美草图引导

Zian Yang

机构 * Fudan University（复旦大学） 纠错

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

AI总结 SketchSense是同步去噪RGB与结构流的框架，通过双向注意力融合等技术解释不完美草图引导，在图像修复的质量和结构保真度上较现有方法有显著提升。

Comments 10 pages, 11 figures, 3 tables

A Generative Approach for Improving Multi-Label Defect Classification in Photovoltaic Modules

一种用于改进光伏组件多标签缺陷分类的生成式方法

Abdul Mueez, Yogesh S. Rawat, Shruti Vyas

机构 * University of Central Florida（中佛罗里达大学） 纠错

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

AI总结 本文针对光伏组件EL图像多标签缺陷分类的挑战，提出生成式缺陷隔离（GDI）方法，利用带快速傅里叶卷积的LaMa模型生成单缺陷样本，在多种模型上使罕见缺陷F1分数最高提升63.6%，共存分类错误降低26%，为该领域多标签分类设定新基准。

Journal ref Solar Energy 317 (2026) 114943