图像生成

Follow-Your-Preference++: Rethinking Preference Alignment for Image Inpainting

Follow-Your-Preference++：重新思考图像修复中的偏好对齐

Junkun Yuan, Yutao Shen, Toru Aonishi, Hideki Nakayama, Yue Ma

机构 * Zhejiang University（浙江大学） ； The University of Tokyo（东京大学） ； Tsinghua University（清华大学） 纠错

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

AI总结 本文从基本原理出发，通过直接偏好优化框架和公开奖励模型构建偏好数据，系统研究了图像修复中的偏好对齐问题，发现奖励模型存在偏差但可通过集成缓解，并在标准指标、大视觉语言模型评估和人类评估上显著超越先前最先进模型。

Comments 23 pages, 14 figures. arXiv admin note: substantial text overlap with arXiv:2509.23082

Restoration of Images Corrupted by Impulse Noise and Mixed Gaussian Impulse Noise using Blind Inpainting

使用盲修复恢复被脉冲噪声和混合高斯脉冲噪声污染的图像

Ming Yan

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

AI总结 提出基于盲修复和ℓ0最小化的两种方法，同时检测受损像素并恢复图像，实验表明性能优于其他方法，并提供了收敛性分析。

Comments 18 pages, 4 figures

Journal ref SIAM J. Imaging Sci., 6(2013), 1227-1245

ObjFiller3D: Scaling 3D Object Inpainting to Dense Multi-View Consistency

ObjFiller3D：将3D物体修复扩展到密集多视图一致性

Haitang Feng, Xinkai Chen, Jie Liu, Jie Tang, Gangshan Wu, Beiqi Chen, Jianhuang Lai, Guangcong Wang

机构 * Nanjing University（南京大学） ； Great Bay University（大湾大学） ； Harbin Institute of Technology（哈尔滨工业大学） ； Sun Yat-sen University（中山大学） 纠错

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

AI总结 提出ObjFiller-3D方法，通过联合优化密集采样视图的时序生成、语义感知补全和循环一致性3D编码，实现高质量且一致的多视图3D物体修复与编辑。

Comments Project page: https://objfiller3d.github.io/ Code: https://github.com/objfiller3d/ObjFiller-3D

TPGDiff: Hierarchical Triple-Prior Guided Diffusion for Image Restoration

TPGDiff: 基于三级先验引导的图像修复扩散网络

Yanjie Tu, Qingsen Yan, Axi Niu, Jiacong Tang

机构 * School of Computer Science, Northwestern Polytechnical University, Xi'an, China（西北工业大学计算机学院，西安，中国） ； Shenzhen Research Institute of Northwestern Polytechnical University, Shenzhen, China（西北工业大学深圳研究院，深圳，中国） 纠错

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

AI总结 TPGDiff通过整合降质先验、结构先验和语义先验，实现图像修复的分层引导，提升严重降质区域的重建能力。

Image Restoration via Diffusion Models with Dynamic Resolution

通过动态分辨率模型进行图像修复

Yang Zheng, Wen Li, Zhaoqiang Liu

机构 * School of Computer Science and Engineering, University of Electronic Science and Technology of China（电子科技大学计算机科学与工程学院） 纠错

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

AI总结 本文提出通过动态分辨率模型将数据投影到低维子空间，以加速推理过程，改进了传统扩散模型在图像修复中的效率与质量。

Comments Accepted by ICML 2026

Improving Diffusion Posterior Samplers with Lagged Temporal Corrections for Image Restoration

通过滞后时间校正改进扩散后验采样器用于图像修复

Davide Evangelista, Elena Morotti, Francesco Pivi, Maurizio Gabbrielli

机构 * Dept. of Computer Science and Engineering（计算机科学与工程系） ； University of Bologna（博洛尼亚大学） ； Dept. of Political and Social Sciences（政治与社会科学系） 纠错

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

AI总结 本文提出LAMP方法，通过第二阶离散化与残差校正改进扩散后验采样，提升图像修复性能，无需增加去噪评估次数。

Comments 9 Figures, 9 Tables, Submitted to a conference

LucidFlux: Caption-Free Photo-Realistic Image Restoration via a Large-Scale Diffusion Transformer

LucidFlux：一种无需图像描述的高质量图像修复方法

Song Fei, Tian Ye, Lujia Wang, Lei Zhu

机构 * The Hong Kong University of Science and Technology (Guangzhou)（香港科技大学（广州）） 纠错

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

AI总结 LucidFlux通过大规模扩散变压器实现无描述图像修复，引入轻量双分支条件器和自适应调制方案，提升几何精度与纹理恢复，优于开源和商业基线。

Comments Project Page: https://w2genai-lab.github.io/LucidFlux

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。

Residual Diffusion Bridge Model for Image Restoration

残差扩散桥模型用于图像修复

Hebaixu Wang, Jing Zhang, Haoyang Chen, Haonan Guo, Di Wang, Jiayi Ma, Bo Du

机构 * School of Electronic Information, Wuhan University（武汉大学电子信息学院） ； School of Computer Science, Wuhan University（武汉大学计算机学院） ； Zhongguancun Academy（中关村学院） ； State Key Laboratory of Information Engineering in Surveying, Mapping and Remote Sensing, Wuhan University（武汉大学测绘遥感信息工程国家重点实验室） ； School of Robotics, Wuhan University（武汉大学机器人学院） 纠错

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

AI总结 本文提出残差扩散桥模型，通过理论重构扩散桥的随机微分方程，利用残差调节噪声注入与去除，实现自适应修复受损区域并保留完整区域，验证了模型的最优性。

Comments Accepted by CVPR 2026 as Highlight

Adaptive Moments are Surprisingly Effective for Plug-and-Play Diffusion Sampling

自适应矩在即插即用扩散采样中出人意料地有效

Christian Belardi, Justin Lovelace, Kilian Q. Weinberger, Carla P. Gomes

机构 * Cornell University（康奈尔大学） 纠错

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

AI总结 本文提出利用自适应矩估计来稳定扩散采样中的噪声似然分数，通过实验证明该方法在图像修复和类别条件生成任务中优于复杂方法，提升了对齐效果。

Diffusion Autoencoder for Unsupervised Artifact Restoration in Handheld Fundus Images

用于无监督消除手持视网膜图像中伪影的扩散自编码器

Mathumetha Palani, Kavya Puthumana, Ayantika Das, Ganapathy Krishnamurthi

机构 * Nuvo AI ； Indian Institute of Technology Madras（印度理工学院马德拉斯） 纠错

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

AI总结 本文提出一种无监督扩散自编码器，通过结合上下文编码器与去噪过程，学习语义表示以恢复手持视网膜图像中的伪影。模型仅使用高质量台式视网膜图像训练，能有效提升诊断准确率至81.17%。

Comments 5 pages, 2 figures, 1 Table - ISBI IEEE 2025 CONFERENCE

HiFi-Inpaint: Towards High-Fidelity Reference-Based Inpainting for Generating Detail-Preserving Human-Product Images

HiFi-Inpaint：迈向高保真参考基于修复生成细节保留的人-产品图像

Yichen Liu, Donghao Zhou, Jie Wang, Xin Gao, Guisheng Liu, Jiatong Li, Quanwei Zhang, Qiang Lyu, Lanqing Guo, Shilei Wen, Weiqiang Wang, Pheng-Ann Heng

机构 * University of Chinese Academy of Sciences（中国科学院大学） ； The Chinese University of Hong Kong（香港中文大学） ； Zhejiang University（浙江大学） 纠错

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

AI总结 本文提出HiFi-Inpaint框架，通过Shared Enhancement Attention和Detail-Aware Loss解决人-产品图像生成中的细节保留问题，并构建了HP-Image-40K数据集，实验表明其在生成高保真图像方面表现优异。

Comments Accepted by CVPR 2026 (Project page: https://correr-zhou.github.io/HiFi-Inpaint/)

Degradation-Aware and Structure-Preserving Diffusion for Real-World Image Super-Resolution

考虑退化和保持结构的扩散用于现实世界图像超分辨率

Yang Ji, Zonghao Chen, Zhihao Xue, Junqin Hu

机构 * KUNBYTE（坤比特） ； GOLDMYE（金迈） 纠错

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

AI总结 本文提出了一种考虑退化和保持结构的扩散框架，通过引入退化感知的token注入和空间非对称噪声注入，提升现实世界图像超分辨率的感知质量和结构保持性。

Energy-oriented Diffusion Bridge for Image Restoration with Foundational Diffusion Models

面向能量的扩散桥：基于基础扩散模型的图像修复

Jinhui Hou, Zhiyu Zhu, Junhui Hou

机构 * Department of Computer Science, City University of Hong Kong（香港城市大学计算机科学系） ； Department of Computer Science, City University of Hong Kong (Dongguan)（香港城市大学（东莞）计算机科学系） 纠错

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

AI总结 本文提出E-Bridge框架，通过设计新型桥过程和连续时间一致性目标，提升图像修复性能，实现低能耗轨迹和任务自适应的平衡。

Comments Accepted to ICLR26

Post-Processing Methods for Improving Accuracy in MRI Inpainting

改进MRI修复精度的后处理方法

Nishad Kulkarni, Krithika Iyer, Austin Tapp, Abhijeet Parida, Daniel Capellán-Martín, Zhifan Jiang, María J. Ledesma-Carbayo, Syed Muhammad Anwar, Marius George Linguraru

机构 * CIBER-BBN, ISCIII（生物工程、生物材料与纳米医学网络研究中心，卡洛斯三世健康研究所） 纠错

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

AI总结 本文提出结合模型集成与高效后处理策略的MRI修复方法，通过轻量U-Net增强阶段提升解剖合理性与视觉保真度，实现更准确且鲁棒的修复结果。

CatalogStitch: Dimension-Aware and Occlusion-Preserving Object Compositing for Catalog Image Generation

CatalogStitch: 一种面向目录图像生成的维度感知和遮挡保留物体合成方法

Sanyam Jain, Pragya Kandari, Manit Singhal, He Zhang, Soo Ye Kim

机构 * Adobe 纠错

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

AI总结 CatalogStitch通过自动化修正遮挡元素和适应不同尺寸的产品，简化了目录图像生成流程，提升生成效率和质量。

Comments CVPR 2026 HiGen Workshop. Project page, https://catalogstitch.github.io

Geological Field Restoration through the Lens of Image Inpainting

通过图像修复视角进行地质场恢复

Vladislav Trifonov, Ivan Oseledets, Ekaterina Muravleva

机构 * AIRI ； Skoltech（斯科尔科沃科学技术学院） ； Sberbank of Russia（俄罗斯联邦储蓄银行） 纠错

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

AI总结 研究在有限观测下地质场重建问题，借鉴图像修复方法，将部分观测空间场建模为多维张量，通过全局低秩结构与空间平滑性恢复缺失值，实验表明在SPE10模型上优于普通克里金法。

Phenotype-preserving metric design for high-content image reconstruction by generative inpainting

为高内容图像重建设计的表型保持度量方法通过生成性图像修复

Vaibhav Sharma, Artur Yakimovich

机构 * Center for Advanced Systems Understanding (CASUS)（先进系统理解中心） ； Helmholtz-Zentrum Dresden-Rossendorf e. V. (HZDR)（德累斯顿-罗斯托克亥姆霍尔茨中心） ； Artificial Intelligence for Life Sciences CIC（生命科学人工智能中心） ； Institute of Computer Science, University of Wroclaw（沃里尼大学计算机科学学院） 纠错

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

AI总结 本文通过生成性图像修复技术，设计了保持表型的度量方法，以提高高内容荧光显微镜图像的重建质量，通过量化修复区域的生物表型大小和数量来惩罚不良的图像修复。

Comments 8 pages, 3 figures, conference proceedings

Journal ref In Emerging Topics in Artificial Intelligence (ETAI) 2023 (Vol. 12655, pp. 7-14). SPIE

FideDiff: Efficient Diffusion Model for High-Fidelity Image Motion Deblurring

FideDiff：高效的高保真图像运动去模糊扩散模型

Xiaoyang Liu, Zhengyan Zhou, Zihang Xu, Jiezhang Cao, Zheng Chen, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Harvard University（哈佛大学） 纠错

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

AI总结 本文提出FideDiff，一种高效的单步扩散模型，用于高保真图像运动去模糊。通过将运动去模糊转化为扩散过程，结合Kernel ControlNet和自适应时间步预测，提升了去模糊性能。

Comments Accepted to ICLR 2026. Code is available at https://github.com/xyLiu339/FideDiff

VisionNVS: Self-Supervised Inpainting for Novel View Synthesis under the Virtual-Shift Paradigm

VisionNVS: 一种基于虚拟位移范式的自监督补全方法用于新型视角合成

Hongbo Lu, Liang Yao, Chenghao He, Fan Liu, Wenlong Liao, Tao He, Pai Peng

机构 * Shanghai Jiao Tong University（上海交通大学） ； Hohai University（河海大学） ； COWARobot Co. Ltd.（COWARobot有限公司） 纠错

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

AI总结 本文提出VisionNVS，通过引入虚拟位移策略，将视角合成问题转化为自监督补全任务，利用单目深度代理模拟遮挡模式，提升自动驾驶中新型视角合成的几何精度和视觉质量。

CT-Conditioned Diffusion Prior with Physics-Constrained Sampling for PET Super-Resolution

带有物理约束采样的CT条件扩散先验用于PET超分辨率

Liutao Yang, Zi Wang, Peiyuan Jing, Xiaowen Wang, Javier A. Montoya-Zegarra, Kuangyu Shi, Daoqiang Zhang, Guang Yang

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

AI总结 本文提出一种CT条件扩散框架，结合物理约束采样，解决PET超分辨率因缺乏配对多分辨率扫描数据而受限的问题，提升图像质量和临床相关性。

QUSR: Quality-Aware and Uncertainty-Guided Image Super-Resolution Diffusion Model

QUSR: 一种基于质量感知和不确定性引导的图像超分辨率扩散模型

Junjie Yin, Jiaju Li, Hanfa Xing

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

AI总结 QUSR通过引入质量感知先验和不确定性引导噪声生成模块，提升图像超分辨率在复杂场景下的真实感和细节还原能力。

Comments This paper has been accepted by ICASSP 2026

Decomposing Private Image Generation via Coarse-to-Fine Wavelet Modeling

通过粗到细的小波建模分解私有图像生成

Jasmine Bayrooti, Weiwei Kong, Natalia Ponomareva, Carlos Esteves, Ameesh Makadia, Amanda Prorok

机构 * University of Cambridge（剑桥大学） ； Google Research（谷歌研究） 纠错

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

AI总结 本文提出基于小波空间的频谱DP框架，通过粗到细的两阶段方法提升图像生成的隐私与效用平衡。

Semantic-Guided Two-Stage GAN for Face Inpainting with Hybrid Perceptual Encoding

基于语义引导的两阶段GAN用于面部修复的混合感知编码

Abhigyan Bhattacharya, Hiranmoy Roy, Debotosh Bhattacharjee

机构 * RCC Institute of Information Technology（RCC信息科技学院） ； Jadavpur University（贾瓦德普尔大学） 纠错

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

AI总结 本文提出一种基于语义引导的两阶段GAN模型，通过混合感知编码提升面部修复的语义一致性和图像质量。

Comments The paper is under consideration at Elsevier journal

Image inpainting for corrupted images by using the semi-super resolution GAN

利用半超分辨率GAN对损坏图像进行图像修复

Mehrshad Momen-Tayefeh, Mehrdad Momen-Tayefeh, Amir Ali Ghafourian Ghahramani

机构 * dept. Computer Engineering Sharif University of Technology International Campus Kish, Iran（计算机工程系 巴尔赫大学技术学院 国际校区 首都伊朗） ； Computer Engineering University of Tehran Tehran, Iran（计算机工程 技术大学 波斯语） 纠错

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

AI总结 本文提出了一种半超分辨率GAN模型，用于修复受损图像，通过不同水平的像素损坏训练以提高图像修复的准确性和质量。

IE-NeRF: Inpainting Enhanced Neural Radiance Fields in the Wild

IE-NeRF：野外中利用修补技术增强的神经辐射场

Shuaixian Wang, Haoran Xu, Yaokun Li, Jiwei Chen, Guang Tan

机构 * Sun Yat-sen University（中山大学） ； Pengcheng Laboratory（鹏城实验室） 纠错

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

AI总结 IE-NeRF通过引入图像修补技术，增强NeRF以处理野外动态场景中的瞬时物体，提升体积渲染质量并实现先进性能。

Journal ref Neurocomputing, Volume 618, 14 February 2025, 129112

Thinking inside the Convolution for Image Inpainting: Reconstructing Texture via Structure under Global and Local Side

在卷积中思考图像修复：通过结构下采样重建纹理

Haipeng Liu, Yang Wang, Biao Qian, Yong Rui, Meng Wang

机构 * School of Computer Science and Information Engineering, Hefei University of Technology（合肥工业大学计算机科学与信息工程学院） ； Department of Automation, Tsinghua University（清华大学自动化系） ； Lenovo Research（联想研究院） 纠错

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

AI总结 本文提出通过结构和纹理特征图的统计归一化和去归一化策略，缓解卷积下采样中的信息损失，提升图像修复的高质量输出。

Comments 17 pages, 17 figures

Trust but Verify: Adaptive Conditioning for Reference-Based Diffusion Super-Resolution via Implicit Reference Correlation Modeling

信任但验证：通过隐式参考相关性建模实现基于参考的扩散超分辨率的自适应条件化

Yuan Wang, Yuhao Wan, Siming Zheng, Bo Li, Qibin Hou, Peng-Tao Jiang

机构 * VCIP, School of Computer Science, Nankai University（VCIP，计算机科学学院，南开大学） ； vivo Mobile Communication Co., Ltd.（vivo移动通信有限公司） 纠错

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

AI总结 本文提出Ada-RefSR，通过自适应隐式相关性门控机制，在扩散模型中实现基于参考的超分辨率，提升图像恢复的准确性和鲁棒性。

Comments 26 pages, 19 figures. Accepted to ICLR 2026

AI-Generated Image Detectors Overrely on Global Artifacts: Evidence from Inpainting Exchange

AI生成图像检测器过度依赖全局伪影：来自修复交换的证据

Elif Nebioglu, Emirhan Bilgiç, Adrian Popescu

机构 * Independent Researcher（独立研究者） 纠错

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

AI总结 AI生成图像检测器过度依赖全局伪影，通过修复交换实验发现检测器准确性显著下降，需改进内容感知检测方法。

Comments 21 pages, 15 figures, 6 tables

TEXTS-Diff: TEXTS-Aware Diffusion Model for Real-World Text Image Super-Resolution

TEXTS-Diff: 用于真实世界文本图像超分辨率的文本感知扩散模型

Haodong He, Xin Zhan, Yancheng Bai, Rui Lan, Lei Sun, Xiangxiang Chu

机构 * Amap, Alibaba Group（阿里集团地图部门） 纠错

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

AI总结 TEXTS-Diff通过构建大规模高质量数据集和提出文本感知扩散模型，提升真实世界文本图像超分辨率中背景和文本区域的生成质量与准确性。

Comments Accepted by ICASSP 2026