多模态信息融合

Towards Robust Monocular Depth Estimation in Non-Lambertian Surfaces

面向非朗伯表面的鲁棒单目深度估计

Junrui Zhang, Jiaqi Li, Yachuan Huang, Yiran Wang, Jinghong Zheng, Liao Shen, Zhiguo Cao

专题命中 多聚焦/多曝光融合 ：multi-exposure(abstract)；分类 cs.CV

AI总结 该研究针对单目深度估计在非朗伯表面预测鲁棒性不足的问题，提出梯度域约束的区域引导方法及可选光照融合模块，在相关数据集和竞赛测试中取得优于Depth Anything V2的性能。

Comments Accepted to ECCV 2024 Workshop TRICKY

Bricker to BRACE: A Bracket Exposure RAW Dataset and Restoration Model for Flicker-Banding

Bricker到BRACE：用于闪烁条纹的括号曝光RAW数据集和恢复模型

Zihan Zhou, Libo Zhu, Jue Gong, Zhiyi Zhou, Jiezhang Cao, Yong Guo, Yulun Zhang

机构 * Shanghai Jiao Tong University（上海交通大学） ； Huawei Consumer Business Group（华为消费者业务集团） 纠错

专题命中 多聚焦/多曝光融合 ：multi-exposure(abstract)；分类 cs.CV

AI总结 针对屏幕拍摄图像中的闪烁条纹问题，提出基于多帧括号RAW的恢复模型BRACE，利用频率感知条纹先验和多尺度空间交叉注意力调制器，在合成和真实基准上达到最优性能。

GMODiff: One-Step Gain Map Refinement with Diffusion Priors for HDR Reconstruction

GMODiff：基于扩散先验的单步增益图优化用于高动态范围重建

Tao Hu, Weiyu Zhou, Yanjie Tu, Peng Wu, Wei Dong, Qingsen Yan, Yanning Zhang

专题命中 多聚焦/多曝光融合 ：multi-exposure(abstract)；分类 cs.CV

AI总结 本文提出GMODiff，通过单步扩散框架优化增益图，提升多曝光HDR重建的动态范围和效率，实验表明其性能优于现有方法且速度提升100倍。

Comments This paper is accepted by ECCV2026

FMA-Net++: Motion- and Exposure-Aware Joint Video Super-Resolution and Deblurring

FMA-Net++：运动与曝光感知的联合视频超分辨率与去模糊

Geunhyuk Youk, Jihyong Oh, Munchurl Kim

机构 * KAIST（韩国科学技术院） ； CMLab, Chung-Ang University（中央大学CMLab） 纠错

专题命中 多聚焦/多曝光融合 ：multi-exposure(abstract)；分类 cs.CV

AI总结 提出非循环序列级框架FMA-Net++，通过层次细化双向聚合块实现并行处理与长时域建模，引入曝光时间感知调制层处理曝光依赖模糊，在合成数据上训练达到SOTA性能。

Comments Accepted to ECCV 2026. Project Page: https://kaist-viclab.github.io/fmanetpp_site/

DPA4: Pushing the Accuracy-Cost Frontier of Interatomic Potentials with EMFA SO(2) Convolution

DPA4: 利用EMFA SO(2)卷积推动原子间势的精度-成本前沿

Tiancheng Li, Wentao Li, Anyang Peng, Jianming Xue, Linfeng Zhang, Duo Zhang, Han Wang

专题命中 多聚焦/多曝光融合 ：multi-focus(abstract)

AI总结 本文提出DPA4架构，通过EMFA SO(2)等变卷积和编译器友好的训练路径，在降低参数和训练成本的同时，在Matbench Discovery等基准上达到最优精度-成本平衡。