西北工业大学偏振图像恢复：低照与雾霾下，同步还原画面与偏振信息
论文基本信息 论文提出的偏振图像联合恢复方法（UniPolar）。 原文标题： UniPolar: Joint Image and Polarimetric Restoration under Compound Degradations via Physical Consistency Learning 首次公开： 2026年10月16日 署名单位： 西北工
标签：图像恢复
共 111 篇
图像恢复｜印度理工25万张石刻字符数据集：让阿育王铭文自动翻译成英文
让AI去读两千多年前刻在石头上的字，听起来像考古队的活儿，可印度理工学院甘地讷格尔分校真把它做成了流水线：图像增强、字符识别、转写、翻译一步不落，还顺手开源了25.38万张字符图和2224对双语语料。方法不花哨，但“没数据”这个老大难被正面解决了，值得一看。
庆北国立大学：让LLM当损失调音师，图像恢复PSNR最高涨3.35
调损失权重这件事，以往基本靠炼丹手感和几轮消融碰运气。这篇论文干脆把LLM塞进训练循环：每隔一段拿固定小样本跑一遍质量指标，让它的下一段训练自己决定该更看重保真，还是更好看。改的全是现成损失项，网络结构、优化器、数据管线、推理流程一个没动，训练额外开销不到0.2%，推理零成本。三个恢复任务、七个基准，都挪到了更划算的平衡点上。🤨
中科大提出ProxyEraseAgent：11种水印盲去除成功率94.8%
AI生成图片越来越多，水印成了内容溯源的最后一道防线。这篇论文给了一个不太舒服的结论：只要拿到一张水印图，不用知道对方用哪套算法、不碰它的解码器，也能把水印打到接近失效，11套系统平均成功率94.8%。中科大的思路值得细看——拿公开水印模型的解码器当"代理"，把开环乱打变成闭环搜索。做水印的要读，做内容治理的更该读。
湘潭大学高光谱图像去噪：可解释展开把混合噪声拆开处理
论文基本信息 方法简称： 可解释光谱分解网络（AXS-Net） 原文标题： AXS-Net: Interpretable Deep Unfolding for Hyperspectral Image Denoising via Spectral Basis Unmixing and Structured Noise Refinement 署名单位： 湘潭大学
北航×清华医学图像恢复：一个模型统一10类2D/3D任务
论文方法： 统一恢复框架（All-in-One）中的层级同质性与异质性建模框架（UniH3） 原文标题： UniH³: Unifying Hierarchical Homogeneity and Heterogeneity for All-in-One Medical Image Restoration 首次公开： 2026年9月10日（arXiv v1）
五个基准全领先：LaST-SR把超分频率拆成“稳态+瞬态”
论文基本信息 原文标题： LaST-SR: Laplace-Inspired Steady-Transient Complex-Frequency Decomposition for Single Image Super-Resolution 首次公开： 2026年9月2日（arXiv v1） 任务： 2×与4×单图像超分辨率 原文： https://arx
ECCV 2026｜FID直降30.7%，ProSR让SAR超分少乱补细节
论文基本信息 原文标题： ProSR: Semantic-Prototype-Guided Discrete Modeling for Physically Consistent SAR Super-Resolution 会议： ECCV 2026 首次公开： 2026年9月2日（arXiv v1） 任务： 4×合成孔径雷达（SAR）图像超分辨率 原文： h
只训练27.4万参数，61/63项评测改善：SPARK给冻结DiT装上“小调音台”
论文基本信息 原文标题： SPARK: Input-Conditioned Sparse Activation Modulation for Frozen DiT-based Super-Resolution 首次公开： 2026年9月3日（arXiv v1） 作者单位： 意大利摩德纳和雷焦艾米利亚大学 原论文链接： https://arxiv.org/ab
图像恢复翻车谁负责？圣克拉拉大学新框架：先认证再放行，别让AI瞎"修复"
图像恢复越清晰，检测反而越容易翻车？SafeRestore告诉你：别急着让AI"修复"图像，先给修复结果发张"安全认证"再放行。这篇论文最精彩的地方，是诚实地展示了自适应策略如何在五次实验中只通过一次认证——比简单插值还没牌面。
低剂量CT去噪告别配对数据！物理驱动新框架：17项指标反超监督基线
低剂量CT（LDCT）的临床价值不用多说——辐射剂量降低了，患者风险下来了，可图像里的噪声就上去了。泊松-高斯混合噪声趴在投影数据里，重建出来的图像出现条纹和伪影，直接影响医生下诊断。传统去噪方法靠人工先验，效果有限；
RAW域修复和RGB域修复谁才更强？维尔茨堡大学新基准给出反直觉答案
图像修复该放在ISP前还是ISP后，一直是个争论点。这篇来自维尔茨堡大学的新基准给出了一个略带“反转”味道的答案：选RAW还是RGB不是核心，修复模型的训练分布是否对齐目标成像管线才是决定性因素。结论来自四组手机传感器、两种固定ISP与三档退化条件的系统实验，值得计算摄影研究人员和移动端算法工程师都花时间读一读。
