ECCV 2026南开新作：像素看不清？超像素来救！7M参数横扫雨雪雾
恶劣天气下的图像恢复，难点从来不在“去除”而在“组织”——雨雪雾在空间上分布极不均匀，而现有状态空间模型（SSM）却用固定轨迹逐个像素扫描，总把语义冲突区域硬凑成一段。南开大学等机构提出SSR，把扫描粒度从像素提升到超像素，让状态沿着语义边界“顺流而下”，再配合区域级门控做通道校准，参数量仅7.05M，却在六个基准上刷新了SOTA。思路干净，性价比极高，值得
标签：图像恢复
共 99 篇
告别一键硬修！SuperSharpen把盲去模糊变成“手动挡”，细节更真实
这篇工作把扩散模型去模糊从“一键生成”变成了“手动调档”，引入了类似音量旋钮的模糊度量（BM），让用户自己决定要锐化多少、生成多少细节。还实打实对比了ControlNet适配和全量微调两条路线，结论清晰，落地感强，值得做图像恢复和摄影后处理的朋友读一读。
5张人脸见证：GAN引导扩散PSNR提升4.40dB
GAN快但不够稳，扩散稳但太磨叽，这俩能不能别打架、搭个伙？本文给出了一个简单又实用的答案：把冻结的WGAN-GP中间特征当“导师”，用交叉注意力喂给扩散U-Net，在CelebA人脸去噪上直接涨了4.40dB。方法不复杂，但对混合范式感兴趣的读者值得一读。
西交&中大MICCAI 2026：死后组织“生前还原”，专家盲选23.81%胜出
法医病理误判的潜在风险，被一次脑洞大开的「图像翻译」给盯上了。本论文首次把薛定谔桥搬进死后自溶恢复，不搞像素级配对，直接学分布映射，还建了首个真实数据集AutoPath。更狠的是，它证明FID这类老牌指标在诊断场景里可能「帮倒忙」——专家盲评和滑片级诊断一致性，才是硬通货。
最新研究：零样本免训练图像篡改定位，AUC高达0.839
图像取证是典型“平时用不上、出事就救命”的技术。这篇论文不依赖训练数据、不查设备指纹库，仅凭单张可疑图像就能定位篡改区域，RTD数据集上AUC达0.839、IoU 0.725，多项指标领先同类方法。做内容安全、多媒体取证的朋友值得一读。
明尼苏达大学CM-RED：4步MRI重建，效果亮眼1000步扩散模型
扩散模型做MRI重建效果好，但动辄几百上千步的迭代采样让临床落地遥遥无期。明尼苏达大学这篇CM-RED，把一致性模型塞进RED优化框架，4步出图，PSNR/SSIM全面超越1000步的DPS和100步的DDS，计算量直降25—250倍。生成式MRI重建的“速度焦虑”，这次是真的被治好了。
AFM图像又糊又慢？SPIDER自监督框架6倍加速3倍信噪比
论文由Sichen Pan和Simon Scheuring完成（通讯作者为Simon Scheuring），发表在Nature Communications上，提出了名为SPIDER（Scanning Probe Mic。
澳门大学最新研究：对抗攻击1步就能防，白盒PSNR暴涨15dB
学习型图像压缩（LIC）性能虽猛，却怕对抗攻击——像素上加点人眼看不见的噪声，码率直接爆炸、画质稀碎。这篇澳门大学与南洋理工的最新研究发现了个反直觉的规律：攻破LIC要几百步，修复却只要1步！基于此提出的FTTR框架，在白盒攻击下把PSNR拉高近15dB，码率暴降6+。值得一读。
水下照片不再蓝绿蒙蒙？这个合成数据让特征匹配暴涨近7倍
水下照片总是蓝绿蒙蒙一片？印度理工学院这次把海洋光学的"家底"全搬进了合成数据——十种Jerlov水体、深度依赖辐照度、生物荧光一次建模到位。合成数据FID比最强竞品直降46%，四个增强架构跨六个真实数据集全面反超。搞水下视觉的朋友，这份物理知识+数据工程的双拼值得仔细品品。
两张模糊图就能重建3D？PSNR暴涨2.11dB新方法出炉
当只有两张随手拍的模糊照片、还没有相机位姿时，3D重建还能做吗？本论文不仅做了，还用级联的2D→3D引导把Deblur-NeRF真实场景PSNR提升了1.19dB、合成场景提升了2.11dB。这种极简输入设定对XR、手持设备3D内容生成非常有吸引力。
ACM MM'26最新：福州大学仅增0.07M参数，低光色彩还原不再跑偏
低光增强里"提亮容易、校色难"的老大难问题，这篇论文算是啃到点子上了。福州大学提出的CAGE框架，用可解释的颜色空间变换方案做色彩校正，还能像插件一样直接塞进现有模型里，成本低到可以忽略。在低光图像处理这个长期刚需的赛道上，这活儿干得漂亮。
扩散模型终于懂物理了！阳明交大×NVIDIA最新去雾：平均涨0.57dB
同样是扩散模型，凭什么HNDif去雾更猛？因为它不玩"纯噪声瞎猜"，而是把大气散射模型直接写进扩散过程：雾浓处多注噪声、雾淡处少注噪声，反向再联合去雾去噪。四个主流去雾骨干、六个基准数据集，平均PSNR提升0.57dB。想给自家去雾模型"插管提速"？这篇值得细读。
