Multiview Hessian Discriminative Sparse Coding for Image Annotation
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV、cs.MM
Comments 35 pages
Journal ref Computer vision and image understanding,118(2014) 50-60
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。
1. 图像修复 1781 篇
Video De-fencing
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV、cs.MM
Comments To appear in IEEE transactions on Circuits and Systems for Video Technology (T-CSVT)
Towards Unified Keyframe Propagation Models
专题命中 图像修复 ：inpainting(abstract,comments)；分类 cs.CV
Comments CVPRW 2022 - AI for Content Creation Workshop. Code at https://github.com/runwayml/guided-inpainting
Layering Virtual Try-On
分层虚拟试穿
机构 * University of Washington（华盛顿大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 研究针对现实中服装分层搭配的虚拟试穿难题，提出LVTON方法。先通过自动数据生成管道训练获取一般VTON先验知识，再在专用数据集微调学习分层逻辑，在LVTON基准及传统VTON基准上取得优异成果，展现零样本能力。
Comments Accepted to ECCV 2026
RefGC-SR$^2$: Reference-guided Super-Resolution and Refinement of AI Generated Content
RefGC-SR$^2$: 参考引导的生成内容超分辨率与精炼
机构 * CMLab, Chung-Ang University（Chung-Ang 大学 CMLab） ； Adobe Research（Adobe 研究院）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 针对生成管道中参考图像下采样导致细节丢失和伪影问题，提出RefGC-SR$^2$任务，利用原始高分辨率参考图像同时恢复细节、精炼伪影并提升分辨率，构建首个真实三元组数据生成管道并设计频率感知扩散Transformer模型。
Comments The first two authors contributed equally to this work. The last two authors are co-corresponding authors. Please visit our project page at this https URL (https://cmlab-korea.github.io/RefGC-SR2/)
Edit2Restore:Few-Shot Image Restoration via Parameter-Efficient Adaptation of Pre-trained Editing Models
Edit2Restore:通过参数高效适应预训练编辑模型实现少样本图像修复
机构 * Codeway AI ； Koc University（科克大学）
专题命中 图像修复 ：image editing(abstract)；分类 cs.CV
AI总结 Edit2Restore通过参数高效微调预训练编辑模型，在少样本条件下实现多种图像修复任务，提升感知质量并减少数据需求。
Comments Accepted to the LoViF Workshop at ECCV 2026
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
机构 * University of Central Florida（中佛罗里达大学）
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
Making Every Step Count: Spatio-Temporal Information Allocation for Imaging Inverse Problems
让每一步都有价值：面向成像逆问题的时空信息分配
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 该研究针对基于流的成像逆求解器在固定函数评估次数下的时空信息分配缺陷，提出SAS与MPA组件，可即插即用提升超分辨率等任务的图像恢复质量。
Efficient Vision Mamba for MRI Super-Resolution via Hybrid Selective Scanning
高效MRI超分辨率的混合选择性扫描视觉Mamba
机构 * Department of Radiation Oncology and Winship Cancer Institute, Emory University（放射肿瘤学部和Winship癌症研究所，埃默里大学） ； Department of Radiology, Mayo Clinic（放射科，梅奥诊所） ； Department of Radiology and Imaging Science and Winship Cancer Institute, Emory University（放射科和成像科学以及Winship癌症研究所，埃默里大学） ； Department of Radiation and Cellular Oncology, University of Chicago（放射学和细胞肿瘤学部，芝加哥大学）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 本文提出了一种高效MRI超分辨率方法，结合多头选择性状态空间模型和轻量级通道MLP，实现高保真度和高效计算，适用于临床应用。
Amulet: Frame Extrapolation Through Sparse Layered Scene Representation and Adaptive Shading
Amulet：基于稀疏分层场景表示与自适应着色的帧外推方法
专题命中 图像修复 ：inpainting(abstract)；分类 cs.GR
AI总结 Amulet是一种基于稀疏分层图像空间缓存的非神经帧外推渲染方法，可实现高频帧生成，在4K分辨率下最高达250Hz，性能可与DLSS等最先进方法媲美，能准确处理新露出区域且质量高。
Comments Corresponding Author: Sebastian Künzel
TRACE-GS: On-Policy Trajectory Distillation with Privileged Geometric Conditioning for Sparse-View 3DGS Restoration
TRACE-GS：用于稀疏视图3D高斯溅射（3DGS）恢复的带特权几何条件的在线策略轨迹蒸馏
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 TRACE-GS是首个利用训练时的特权几何条件，将扩散先验适配到稀疏视图3DGS恢复的在线策略轨迹蒸馏框架，在各设置下实现了一致性能提升与强泛化性。
MeanSR: Restoration Trajectory Learning for One-Step Perceptual Super-Resolution
MeanSR：用于单步感知超分辨率的恢复轨迹学习
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 MeanSR是一种单步感知超分辨率方法，通过学习LR条件平均速度场并引入阶段感知时间采样策略，在CLIPIQA等指标上优于CTMSR，同时降低计算成本与延迟，提升了重建质量。
Comments 7 pages, 8 figures. Submitted to AAAI 2027
Mask-aware inference with State-Space Models
具有掩码意识的State-Space模型推理
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 本文提出Partial Vision Mamba（PVM）架构，用于处理具有任意形状无效数据的State-Space模型推理任务，展示了其在深度补全、图像修复和分类中的有效性。
Comments Some results contain significant errors and we are working in a rework on this paper, which is now outdated
Local Epistemic Uncertainty Guided Active Sampling for Plug-and-play Diffusive Image Restoration
面向即插即用扩散式图像复原的局部认知不确定性引导主动采样
机构 * Jiangsu University（江苏大学）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 该研究针对现有DMIR方法忽略生成过程动态性的局限，提出LEADer框架，通过空间域逐像素不确定性调节与时间域自适应轨迹剪枝，提升图像复原性能并减少采样时间，且可即插即用集成至多种DMIR基线。
Comments 12 Pages, 7 Figures, 5 Tables. Accepted to ACM Multimedia 2026
Coupled Continuous-Discrete Generation for Scene Text Image Super-Resolution
面向场景文本图像超分辨率的耦合连续-离散生成方法
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 针对现有场景文本图像超分辨率（STISR）方法误差传播、成本高的问题，提出统一框架DualTSR，通过耦合连续-离散生成实现高效准确的STISR，在多数据集上表现优于对比方法。
JADE-GS: Joint Allocation of Deblurring Evidence for Event-Assisted 3D Gaussian Splatting
JADE-GS：3D高斯点云渲染中基于事件引导的联合交替去模糊
机构 * School of Mechatronic Engineering and Automation, Shanghai University（上海大学机电工程与自动化学院） ； Shanghai Baoshan Shangda General Intelligent Robotics Research Institute（上海宝山尚大通用智能机器人研究院） ； School of Computer Science and Technology, Tongji University（同济大学计算机科学与技术学院）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 研究相机快速移动曝光时模糊问题，提出JADE-GS方法，通过像素自适应路由门融合互补先验，2D恢复器与3D高斯点云渲染双向循环耦合，正则化恢复器，在合成和真实基准测试中获最佳感知质量，训练高效且保留实时渲染。
FakeIDet3-DB: Refining Digital Attacks and Patch Extraction for Secure ID Benchmarking
FakeIDet3-DB：用于安全身份基准测试的数字攻击与补丁提取优化
机构 * School of Engineering, Universidad Autónoma de Madrid（马德里自治大学工程学院）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 针对真实ID数字篡改检测的领域差距，构建首个含520万补丁的FakeIDet3-DB数据库，提出PACE算法，评估显示现有模型对其攻击检测定位性能不佳。
Comments 13 Pages, Database, Pipeline, Algorithm
Small, Bias-Free, Blind and Convolutional Denoiser: A compact ConvNeXt U-Net for blind Gaussian color-image denoising
小型、无偏差、盲态和卷积去噪器：用于盲高斯彩色图像去噪的紧凑型ConvNeXt U-Net
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 研究针对盲高斯彩色图像去噪，提出结合多种要素的紧凑型无偏差ConvNeXt U-Net即BF-ConvUNeXt。通过特殊设计使其具有齐次性，能盲态泛化。训练单一模型，在多数据集多噪声水平下评估表现良好，虽略落后于最优技术，但参数少，还推动相关逆问题研究。
Comments 15 pages, 1 figure
High-Fidelity Mural Restoration via a Unified Hybrid Mask-Aware Transformer
高保真壁画修复的统一混合掩码感知变换器
机构 * Northeastern University (Toronto Campus)（东北大学（多伦多校区）） ； The Bishop Strachan School（主教斯特拉坎学校）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 本文提出混合掩码感知变换器HMAT，通过结合掩码感知动态过滤与Transformer瓶颈，实现壁画的高保真修复，同时通过掩码条件风格融合模块和教师强迫解码器提升修复效果。
Comments 17 pages, 3 figures
LPM: Industrial-Scale Generative Video Restoration
LPM：工业规模的生成式视频修复
机构 * Kuaishou Technology（快手科技）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 研究提出工业规模的LPM用于视频修复，通过统一系统解决UGC退化问题，含数据工程、模型训练和推理。其架构等机制实现高保真修复，已在快手生产应用，节省带宽成本，还能集成产品，证明该方法实用、可扩展且具成本效益。
Comments 21 pages, 7 figures
Fast and Accurate Image Restoration and Generation with Rank Enhanced Linear Attention
基于秩增强线性注意力的快速准确图像恢复与生成
机构 * University of Chinese Academy of Sciences（中国科学院大学）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 研究旨在解决Transformer自注意力二次复杂度问题，提出秩增强线性注意力（RELA）及高效视觉Transformer（LAformer），通过集成深度卷积丰富特征表示，经实验验证LAformer在图像恢复和生成任务中性能优且计算高效。
Comments Code: https://github.com/shallowdream204/LAformer
Enhancing In-context Panoramic Generation via Geometric-aware Pretraining
通过几何感知预训练增强上下文全景生成
机构 * Insta360 Research（影石创新研究院） ； Tsinghua University（清华大学） ； Beihang University（北京航空航天大学） ； Wuhan University（武汉大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 该研究提出两阶段框架Canvas360用于上下文全景生成，结合几何感知预训练与微调。通过构建数据集及特定建模方法，增强文本到全景生成，经实验验证其能提高全景图像保真度，在相关指标上表现优异。
Comments Project page: https://zry000.github.io/Canvas360/ Github: https://github.com/Insta360-Research-Team/Canvas360
Satellite-Free Training for Drone-View Geo-Localization
无需卫星的无人机视角地理定位
机构 * Nanjing University of Science and Technology（南京理工大学） ； University of Tsukuba（筑波大学） ； Nanyang Technological University（南洋理工大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 本文提出无需卫星数据的训练框架，通过三维场景重建、伪正射影像生成和特征聚合，提升无人机在无GPS环境下的地理定位性能。
Comments Withdrawn by the authors to allow for substantial revision in light of valuable reviewer feedback. A thoroughly revised version may be submitted in the future
Do Egocentric Video-Language Models Capture Both Hand- and Object-Centric Cues?
以自我为中心的视频-语言模型是否捕捉了以手和物体为中心的线索？
机构 * The University of Tokyo（东京大学） ； University of Twente（特温特大学） ； University of Bristol（布里斯托大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 研究手部-物体交互识别中现有视频-语言模型的局限，提出结合手部-物体掩码训练与HOI-动态感知解码器的新范式，构建DEHOI测试平台评估，证明该方法更有效利用相关信息，在多方面优于现有模型，提升HOI理解。
Geometric Reciprocity: Unlocking Self-Supervision for Stereoscopic Video Generation
几何互易性：解锁立体视频生成的自监督能力
机构 * Visual AI Lab, The University of Hong Kong, Hong Kong, China（香港大学视觉人工智能实验室）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 针对单目转立体任务中立体修复依赖稀缺标注数据的问题，提出几何互易性定理，构建自监督框架，从海量单目视频学习，性能远超现有无监督、监督SOTA方法。
Comments Accepted to ICML 2026. Project page: https://visual-ai.github.io/grt/
Pooling-Based Context Modeling for Convolution-Free Deep Image Prior
基于池化的无卷积深度图像先验的上下文建模
机构 * Yonsei University（延世大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 研究提出Pool-DIP，一种无卷积架构，通过基于池化的对比建模捕捉空间上下文，提升去噪性能，减少参数和计算复杂度，在多数据集表现良好，还能用于其他图像恢复任务。
Comments 16 pages, 9 figures
Restore3D: Breathing Life into Broken Objects with Shape and Texture Restoration
Restore3D：通过形状和纹理修复为破损物体注入生机
机构 * ReLER, CCAI, Zhejiang University（ReLER、CCAI、浙江大学）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 提出Restore3D框架，利用多视图图像同时修复破损物体的几何形状和纹理，通过自动数据生成、掩码自感知模块和深度感知掩码修正器生成高分辨率多视图图像，再经粗到细重建获得带纹理的3D网格。
Bridging Information Asymmetry: A Hierarchical Framework for Deterministic Blind Face Restoration
弥合信息不对称：一种降低不确定性的分层盲脸修复框架
机构 * Biomedical Engineering Department, College of Future Technology, Peking University（北京大学未来技术学院生物医学工程系） ； Institute of Medical Technology, Peking University Health Science Center（北京大学医学部医学技术研究所） ； National Biomedical Imaging Center, Peking University（北京大学国家生物医学成像中心）
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 提出Pref-Restore分层框架，通过语义信息增强、纹理保真对齐和保真约束偏好优化，降低盲脸修复中的不确定性，实现身份敏感的高保真重建。
Comments Accepted by TPAMI2026
DTI: Dynamic Trajectory Initialization for Generative Face Video Super-Resolution
DTI: 面向生成式人脸视频超分辨率的动态轨迹初始化
专题命中 图像修复 ：diffusion(abstract)；分类 cs.CV
AI总结 提出动态轨迹初始化范式，将生成式人脸视频超分辨率重构为输入驱动的定向恢复，通过增强注入条件机制和判别性引导实现保真度与感知质量的平衡，达到SOTA性能。
Comments This paper is accepted by ECCV 2026
Fast Equivariant Imaging: Accelerating Unsupervised Learning and Model Adaptation via Inexact Splitting
快速等价成像：通过不精确分裂加速无监督学习和模型适应
机构 * School of Mathematics, University of Birmingham（伯明翰大学数学学院）
专题命中 图像修复 ：inpainting(abstract)；分类 cs.CV
AI总结 本文提出Fast Equivariant Imaging框架，通过不精确变量分裂方案快速高效训练深度成像网络，提升X射线CT重建和图像修复的泛化性能，实现10倍加速和改进的适应能力。
Comments 31 pages
