图像生成

Equivariant Splitting: Self-supervised learning from incomplete data

等价分裂：从不完整数据中自监督学习

Victor Sechaud, Jérémy Scanvic, Quentin Barthélemy, Patrice Abry, Julián Tachella

机构 * LPENSL, CNRS, ENS de Lyon, France（LPENSL、CNRS、 Lyon 工程科学研究院、法国） ； Prysm, Lyon, France（Prysm、Lyon、法国） 纠错

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

AI总结 本文提出一种新的自监督学习策略，用于处理单个不完整观测模型下的逆问题，通过等价性定义和自监督分裂损失，实现对监督损失的无偏估计，实验显示在高秩 deficient 前向模型中取得最佳性能。

Can Nano Banana 2 Replace Traditional Image Restoration Models? An Evaluation of Its Performance on Image Restoration Tasks

Nano Banana 2能否替代传统图像修复模型？对其在图像修复任务上的性能评估

Weixiong Sun, Xiang Yin, Chao Dong

机构 * Shenzhen University of Advanced Technology（深圳先进技术大学） ； Fudan University（复旦大学） ； Shenzhen Institutes of Advanced Technology, Chinese Academy of Sciences（深圳先进技术研究所，中国科学院） 纠错

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

AI总结 本文评估了Nano Banana 2在图像修复任务中的性能，发现提示设计至关重要，简洁提示和显式保真约束能平衡重建与感知质量。模型在全参考性能上表现竞争，用户研究中表现优异，但在感知质量与修复保真度之间存在差距，需改进可控性与保真度评估。

Comments Accepted by CVPR 2026 Workshop AAVM

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。

Quaternion Nonlinear Transform-Induced Nuclear Norm for Low-Rank Tensor Completion

四元数非线性变换诱导的核范数用于低秩张量补全

Biswarup Karmakar, Ratikanta Behera

机构 * Department of Computational and Data Sciences, Indian Institute of Science（计算与数据科学系，印度科学研究院） 纠错

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

AI总结 本文提出四元数非线性变换诱导的核范数，用于低秩张量补全，解决了实值张量方法无法处理四元数数据的问题，通过实嵌入四元数实现可计算的核范数定义和高效优化。

Comments 25 pages

GOR-IS: 3D Gaussian Object Removal in the Intrinsic Space

GOR-IS: 在内在空间中进行3D高斯物体移除

Yonghao Zhao, Yupeng Gao, Jian Yang, Jin Xie, Beibei Wang

机构 * Nankai University（南开大学） ； Nanjing University（南京大学） 纠错

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

AI总结 本文提出GOR-IS框架，通过分解场景为内在组件并建模光传输，实现物理一致且视觉连贯的3D物体移除，实验表明其在感知相似度和PSNR上优于现有方法。

MetaSR: Content-Adaptive Metadata Orchestration for Generative Super-Resolution

MetaSR：面向生成超分辨率的内容自适应元数据编排

Jiaqi Guo, Mingzhen Li, Haohong Wang, Aggelos K. Katsaggelos

机构 * Department of Electrical and Computer Engineering, Northwestern University（电气与计算机工程系，西北大学） ； TCL 纠错

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

AI总结 MetaSR通过自适应元数据编排提升生成超分辨率性能，在资源受限下实现更高PSNR和更低传输速率。

When the Forger Is the Judge: GPT-Image-2 Cannot Recognize Its Own Faked Documents

当伪造者即法官：GPT-Image-2无法识别其伪造的文件

Jiaqi Wu, Yuchen Zhou, Dennis Tsang Ng, Xingyu Shen, Kidus Zewde, Ankit Raj, Tommy Duong, Simiao Ren

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

AI总结 研究发现GPT-Image-2无法区分真实与AI编辑的文件，通过AIForge-Doc v2数据集和四个检测方法验证，结果显示人类和计算模型均无法有效识别GPT-Image-2生成的伪造文件。

GSNR: Graph Smooth Null-Space Representation for Inverse Problems

GSNR：图平滑空域表示用于逆问题

Romario Gualdrón-Hurtado, Roman Jacome, Rafael S. Suarez, Henry Arguello

机构 * Universidad Industrial de Santander（圣安德烈大学） 纠错

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

AI总结 本文提出GSNR方法，通过在不可见成分中施加结构，解决逆问题中空域信息约束不足的问题，提升重建精度。

Comments Accepted to The IEEE/CVF Conference on Computer Vision and Pattern Recognition 2026 (CVPR 2026)

Journal ref Proceedings of the Computer Vision and Pattern Recognition Conference (CVPR 2026)

ArtifactWorld: Scaling 3D Gaussian Splatting Artifact Restoration via Video Generation Models

ArtifactWorld: 通过视频生成模型扩展3D高斯散射体修复

Xinliang Wang, Yifeng Shi, Zhenyu Wu

机构 * Ke Holdings Inc.（凯控股公司） ； Institute for Clarity in Documentation（文档清晰研究所） ； Inria Paris-Rocquencourt（巴黎- Rocquencourt 国家研究院） ； Rajiv Gandhi University（拉朱·甘地大学） ； Tsinghua University（清华大学） ； Palmer Research Laboratories（帕勒尔研究实验室） 纠错

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

AI总结 本文提出ArtifactWorld框架，通过系统数据扩展和双模型范式解决3DGS修复问题，利用视频扩散骨干网络和Artifact-Aware Triplet Fusion机制提升稀疏视图合成和3D重建性能。

Comments The second author is the corresponding author

Iterative Inference-time Scaling with Adaptive Frequency Steering for Image Super-Resolution

迭代推理时间缩放与自适应频率导向的图像超分辨率

Hexin Zhang, Dong Li, Jie Huang, Bingzhou Wang, Xueyang Fu, Zhengjun Zha

机构 * University of Science and Technology of China（中国科学技术大学） 纠错

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

AI总结 本文提出IAFS框架，通过迭代精炼和频率感知粒子融合，解决图像超分辨率中感知质量与结构保真度的平衡问题，实验表明其在多模型上均优于现有方法。

Tiled Prompts: Overcoming Prompt Misguidance in Image and Video Super-Resolution

分块提示：克服图像和视频超分辨率中的提示误导

Bryan Sangwoo Kim, Jonghyun Park, Jong Chul Ye

机构 * KAIST AI（韩国科学技术院人工智能学院） 纠错

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

AI总结 本文提出Tiled Prompts框架，通过为每个潜在块生成特定提示，解决传统全局提示在超分辨率中的误导问题，提升图像和视频的感知质量和真实性。

Comments 29 pages, 8 figures

Chain-of-Zoom: Extreme Super-Resolution via Scale Autoregression and Preference Alignment

链式放大：通过尺度自回归和偏好对齐实现极端超分辨率

Bryan Sangwoo Kim, Jeongsol Kim, Jong Chul Ye

机构 * KAIST AI（韩国科学技术院人工智能系） 纠错

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

AI总结 本文提出Chain-of-Zoom框架，通过自回归链和多尺度提示实现极端超分辨率，利用GRPO优化文本提示对齐人类偏好，实验显示标准4x扩散模型在CoZ下可实现256倍以上高质量放大。

Comments NeurIPS 2025 (Spotlight)

Distilling Specialized Orders for Visual Generation

蒸馏专用顺序用于视觉生成

Rishav Pramanik, Amin Sghaier, Masih Aminbeidokhti, Juan A. Rodriguez, Antoine Poupon, David Vazquez, Christopher Pal, Zhaozheng Yin, Marco Pedersoli

机构 * Stony Brook University（石溪大学） ； International Laboratory on Learning Systems (ILLS)（国际学习系统实验室（ILLS）） ； LIVIA, ÉTS Montréal（LIVIA，蒙特利尔高等技术学院） ； Mila–Quebec AI Institute（米拉-魁北克人工智能研究所） ； ServiceNow Research（ServiceNow研究院） ； Université Paris-Saclay, CentraleSupélec（巴黎-萨克雷大学，中央理工-高等电力学院） ； Polytechnique Montréal（蒙特利尔综合理工学院） ； Canada CIFAR AI Chair（加拿大CIFAR人工智能主席） 纠错

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

AI总结 本文提出OAR生成方法，通过蒸馏任意顺序AR模型，提取专用生成顺序并微调，提升生成质量并保持灵活性，实验显示在ImageNet等数据集上FID得分降低，支持零样本修复和扩展。

Probing Intrinsic Medical Task Relationships: A Contrastive Learning Perspective

探测内在医学任务关系：一种对比学习视角

Jonas Muth, Zdravko Marinov, Simon Reiß

机构 * Karlsruhe Institute of Technology（卡尔斯鲁厄理工学院） 纠错

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

AI总结 本文通过对比学习框架TaCo，探讨医学视觉任务之间的内在关系，分析30种任务在不同医学影像数据集中的表示特性，揭示任务间的相似性与关联性。

FinPercep-RM: A Fine-grained Reward Model and Co-evolutionary Curriculum for RL-based Real-world Super-Resolution

FinPercep-RM：一种细粒度奖励模型和协同进化课程用于基于强化学习的现实世界超分辨率

Yidi Liu, Zihao Fan, Jie Huang, Jie Xiao, Dong Li, Wenlong Zhang, Lei Bai, Xueyang Fu, Zheng-Jun Zha

机构 * University of Science and Technology of China（中国科学技术大学） ； Shanghai AI Laboratory（上海人工智能实验室） 纠错

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

AI总结 本文提出FinPercep-RM细粒度奖励模型和协同进化课程学习机制，通过生成感知退化图提升超分辨率模型的感知质量，解决传统IQA模型对局部细粒度失真不敏感的问题。

Comments Accepted by CVPR2026

Clear Roads, Clear Vision: Advancements in Multi-Weather Restoration for Smart Transportation

清晰的道路，清晰的视野：智能交通中多天气恢复的进展

Vijay M. Galshetwar, Praful Hambarde, Prashant W. Patil, Akshay Dudhane, Sachin Chaudhary

机构 * Finolex Academy of Management and Technology（Finolex管理与技术学院） ； Drone Lab, Centre for Artificial Intelligence and Robotics, IIT Mandi（印度理工学院曼迪分校人工智能与机器人中心无人机实验室） ； Mehta Family School of Data Science and Artificial Intelligence, IIT Guwahati（印度理工学院古瓦哈提分校梅塔家族数据科学与人工智能学院） ； SPACE42 ； Centre of Excellence: Artificial Intelligence, School of Computer Science, UPES Dehradun（UPES德拉敦分校计算机科学学院人工智能卓越中心） 纠错

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

AI总结 本文综述了图像和视频恢复技术，以缓解天气引起的视觉障碍，分类了传统方法和数据驱动模型，并讨论了多天气系统和未来方向。

Comments Accepted for publication in IEEE Transactions on Intelligent Transportation Systems (2026)

Discriminative Dictionary Learning based on Statistical Methods

基于统计方法的判别字典学习

G. Madhuri, Atul Negi

机构 * School of Computer and Information Sciences, University of Hyderabad（海得拉巴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 本文探讨了利用统计方法改进字典学习以提升分类性能，提出混合方法结合稀疏系数与多层感知机，实现判别字典学习。

Journal ref Statistical Modeling in Machine Learning Concepts and Applications 2023, Pages 55-77, Academic Press

A2BFR: Attribute-Aware Blind Face Restoration

A2BFR：属性感知的盲脸修复

Chenxin Zhu, Yushun Fang, Lu Liu, Shibo Yin, Xiaohong Liu, Xiaoyun Zhang, Qiang Hu, Guangtao Zhai

机构 * Shanghai Jiao Tong University（上海交通大学） ； Xiaohongshu Inc.（小红书公司） 纠错

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

AI总结 本文提出A2BFR框架，结合高保真重建与提示可控生成，通过属性感知学习和语义双训练提升修复精度与可控性，实验显示在恢复保真度和指令遵循上优于现有方法。

InstanceRSR: Real-World Super-Resolution via Instance-Aware Representation Alignment

InstanceRSR: 通过实例感知的表示对齐实现现实世界超分辨率

Zixin Guo, Kai Zhao, Luyan Zhang

机构 * Tongji University（同济大学） ； Western Sydney University（西澳大学） ； Independent Researcher（独立研究员） 纠错

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

AI总结 InstanceRSR通过联合建模语义信息和引入实例级特征对齐，解决现实世界超分辨率中细粒度细节恢复问题，提升实例级语义一致性。

Comments 4 pages, 4 figures, 2 tables. Accepted by ICASSP 2026

LinearSR: Unlocking Linear Attention for Stable and Efficient Image Super-Resolution

LinearSR: 解锁线性注意力以实现稳定且高效的图像超分辨率

Xiaohui Li, Shaobin Zhuang, Shuo Cao, Yang Yang, Yuandong Pu, Qi Qin, Siqi Luo, Bin Fu, Yihao Liu

机构 * Shanghai Jiao Tong University（上海交通大学） ； Shanghai Artificial Intelligence Laboratory（上海人工智能实验室） ； University of Science and Technology of China（中国科学技术大学） ； The Australian National University（澳大利亚国立大学） 纠错

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

AI总结 本文提出LinearSR框架，首次系统解决线性注意力在图像超分辨率中的关键挑战，通过改进的早停指导微调策略、SNR基专家混合架构和TAG指导范式，实现高质量与高效兼顾的超分辨率生成。

Comments Camera Ready of ICLR2026

Locally-Supervised Global Image Restoration

局部监督的全局图像恢复

Benjamin Walder, Daniel Toader, Robert Nuster, Günther Paltauf, Peter Burgholzer, Gregor Langer, Lukas Krainer, Markus Haltmeier

机构 * Universität Innsbruck（因斯布鲁克大学） ； Universität Graz（格拉茨大学） ； Research Center for Non Destructive Testing GmbH（非破坏性测试研究中心 GmbH） ； Prospective Instruments LK OG（前瞻性仪器 LK OG） 纠错

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

AI总结 本文提出局部监督方法用于图像重建，通过利用图像分布的多重不变性，在无需完整地面真实数据的情况下实现与全监督方法相当的重建性能。

MeInTime: Bridging Age Gap in Identity-Preserving Face Restoration

MeInTime：弥合年龄差距的恒定身份面部修复

Teer Song, Yue Zhang, Yu Tian, Ziyang Wang, Xianlin Zhang, Guixuan Zhang, Xuan Liu, Xueming Li, Yasen Zhang

机构 * Beijing University of Posts and Telecommunications（北京邮电大学） ； Department of Computer Science and Technology, Institute for AI, Tsinghua University（清华大学计算机科学与技术系，人工智能研究院） ； Minzu University of China（民族大学） ； Xiaomi Corporation（小米公司） 纠错

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

AI总结 MeInTime提出一种基于扩散的面部修复方法，通过引入年龄提示和新的注意力机制，实现跨年龄的恒定身份修复，提升了身份保真度和年龄一致性。

Joint Degradation-Aware Arbitrary-Scale Super-Resolution for Variable-Rate Extreme Image Compression

联合退化感知任意尺度超分辨率用于可变速率极值图像压缩

Xinning Chai, Zhengxue Cheng, Xin Li, Rong Xie, Li Song

机构 * School of Information Science and Electronic Engineering, Shanghai Jiao Tong University（上海交通大学信息科学与电子工程学院） ； Department of Electronic Engineer and Information Science, University of Science and Technology of China（中国科学技术大学电子工程与信息科学系） ； MoE Key Lab of Artificial Intelligence, AI Institute, Shanghai Jiao Tong University（上海交通大学人工智能教育部重点实验室） 纠错

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

AI总结 本文提出ASSR-EIC框架，利用任意尺度超分辨率支持可变速率极值图像压缩，通过联合退化感知解码器实现率自适应重建，提升低比特率下的图像恢复质量。

Comments Accepted by IEEE Transactions on BroadCasting

GDPO-SR: Group Direct Preference Optimization for One-Step Generative Image Super-Resolution

GDPO-SR：基于群直接偏好优化的一步生成图像超分辨率

Qiaosi Yi, Shuai Li, Rongyuan Wu, Lingchen Sun, Zhengqiang Zhang, Lei Zhang

机构 * The Hong Kong Polytechnic University（香港理工大学） ； OPPO Research Institute（OPPO研究院） 纠错

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

AI总结 本文提出GDPO-SR，通过整合RL方法提升一步生成图像超分辨率性能，引入噪声感知扩散模型和群相对优势计算策略，优化局部细节。

DriveFix: Spatio-Temporally Coherent Driving Scene Restoration

DriveFix：时空一致的驾驶场景修复

Heyu Si, Brandon James Denis, Muyang Sun, Dragos Datcu, Yaoru Li, Xin Jin, Ruiju Fu, Yuliia Tatarinova, Federico Landi, Jie Song, Mingli Song, Qi Guo

机构 * Zhejiang University（浙江大学） ； Huawei（华为） 纠错

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

AI总结 DriveFix提出一种多视角修复框架，通过交错扩散变换器架构和几何感知损失，实现驾驶场景时空一致性，提升4D世界建模的鲁棒性。

UNet-AF: An alias-free UNet for image restoration

UNet-AF: 一种无别名的UNet用于图像恢复

Jérémy Scanvic, Quentin Barthélemy, Julián Tachella

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

AI总结 本文提出一种无别名UNet架构，通过选择先进的翻译等变层提升图像恢复任务中的等变性，实验显示其在性能和等变性方面优于传统方法。

InfScene-SR: Arbitrary-Size Image Super-Resolution via Iterative Joint-Denoising

InfScene-SR: 通过迭代联合去噪实现任意尺寸图像超分辨率

Shoukun Sun, Zhe Wang, Xiang Que, Jiyin Zhang, Xiaogang Ma

机构 * Synthesis (NCEAS),\ of California Santa Barbara, Santa Barbara, California, USA College of Computer ； Forestry University, China 纠错

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

AI总结 InfScene-SR通过迭代联合去噪方法，实现了任意尺寸图像的高保真超分辨率，解决了传统方法在处理大尺度场景时的边界伪影问题，并提升了语义分割任务的性能。

Reparameterized Tensor Ring Functional Decomposition for Multi-Dimensional Data Recovery

重新参数化张量环功能分解用于多维数据恢复

Yangyang Xu, Junbo Ke, You-Wei Wen, Chao Wang

机构 * Key Laboratory of Computing and Stochastic Mathematics (Ministry of Education)（计算与随机数学重点实验室（教育部）） ； School of Mathematics and Statistics（数学与统计学学院） ； Department of Statistics and Data Science（统计与数据科学系） 纠错

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

AI总结 本文提出了一种重新参数化的张量环功能分解方法，通过结合可学习的潜在张量和固定基底，提升多维数据恢复的性能。

Comments 22 pages, 18 figures, 12 tables. Accepted by CVPR 2026

TerraCodec: Compressing Optical Earth Observation Data

TerraCodec：压缩光学地球观测数据

Julen Costa-Watanabe, Isabelle Wittmann, Benedikt Blumenstiel, Konrad Schindler

机构 * IBM Research Europe（IBM欧洲研究院） ； ETH Zurich（苏黎世联邦理工学院） 纠错

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

AI总结 TerraCodec通过预训练的神经编码器实现高效压缩和云填充，提升地球观测数据处理性能。