最新轻量级AIO天气恢复：80%参数全免，速度提升5倍？FReSH-IR详解
一个模型搞定雨、雪、雾，还要把大模型的参数量和算力砍掉80%？FReSH-IR给出了一份“轻量但能打”的答案。本文将拆解它是如何通过高低频分流、谐波融合，在几乎不掉点的前提下把推理速度提升数倍，并且让边缘设备也能跑得动。
标签：图像恢复
共 111 篇
MRI超分训练太贵？把VGG感知损失塞进扩散目标可省钱
扩散模型做超分，画质确实顶，训练也确实是出了名的“百万步起步”。这篇文章没动网络结构，只在训练目标里加一个冻结VGG的感知正则项，就能让脑MRI和彩色人脸超分稳定加速收敛，局部细节还更真。想低成本给扩散训练“加外挂”的读者，值得花三分钟读完。
雨天雪天雾天通吃？慕尼黑工业大学UAR-Net四项基准刷新SOTA
雨天、雪天、雾天，一个模型全搞定？针对统一恶劣天气修复中“全局聚合不分天气、跨尺度融合太粗暴、目标函数太自信”三大痛点，慕尼黑工业大学团队祭出UAR-Net，用门控Transformer加不确定性建模，直接刷新SOTA。结果实在，思路清晰，搞图像恢复的同学值得一读。
树莓派上给消防员“开天眼”？门控去雾新范式：只花10毫秒判断，省下470毫秒算力
人人都说“先增强，后感知”，但一篇来自高中生的树莓派论文硬核证明：这个“共识”可能正在浪费你80%的算力！用10毫秒的暗通道判断，直接省掉470毫秒的去雾推理，精度还不降反升。嵌入式视觉的极致性价比，这篇论文讲透了。
告别4K卡顿！新南威尔士大学提出P-PatchDif：低光增强提速80倍，显存不到9G
拍完夜景想发朋友圈，结果暗部一团黑、亮部还偏色？这篇新南威尔士大学的工作把分块扩散模型玩出了新花样：分块尺寸随时间步渐进增大，既保住局部细节又协调全局亮度，4K图像推理提速80倍，显存仅需8.8GB，简直是低光增强领域的"效率控"福音。
2026最新：把亮度映射塞进迭代，图像去噪增强一步搞定
拍照一时爽，后期火葬场——尤其拍到过曝夜景人像，想从高光里捞细节时，灵魂拷问就来了：先降噪还是先调亮度？先调亮度吧，暗部噪点会被放大；先降噪吧，过曝区域的细节又未必救得回来。传统玩法无非这两种，顺序任选，各有代价。
4.9倍吞吐反超SODiff，JPEG修复终于不挑硬件了
先聊一个很多人每天都会碰到、但完全没意识到的问题：你手机相册里那一张张照片，绝大多数都是JPEG格式。JPEG为什么能统治世界这么多年？因为它用一个巧妙的"分块变换+量化"策略，用很小的体积换来了还算能看的画质。
零样本也能修！芬兰新方法让InSAR相位恢复时空残差直降68%
InSAR相位恢复一直靠固定滤波器硬扛，可每一对影像的几何参数都不一样，这就像用同一副老花镜看所有距离的物体。芬兰团队提出FiLM-GPNet，给网络装上“几何调节旋钮”，时间残差直降68%，而且换个城市不用重新训练，零样本直接上手。
发票拍照总翻车？华南理工精准恢复关键区域，让文档问答更靠谱
拍文档照片最怕什么？阴影、模糊、歪斜、摩尔纹——哪怕是最强多模态模型也会当场翻车。直接拿恢复工具全图修一遍？可能越修越糟糕。华南理工这篇论文给了个聪明的解法：让模型自己判断“现在能不能答”，不能答再精准修复，修坏了还能自动回滚。全程免训练，效果逼近人类专家。
5.3倍参数压缩还更强？交大PixelIR单步超分效率杀疯了
聊超分绕不开一个千古难题：又想马儿跑得快（细节丰富、观感锐利），又想马儿不吃草（结构保真、贴合原图）。这两件事在底层视觉里长期互相打架，逼着研究者要么偏科要么和稀泥。
BMVC 2026：零遗忘图像恢复，3.6%参数换15.25dB
先问一个很真实的问题：一个部署在野外监控杆上的图像恢复系统，第一年只需要去噪，第二年碰上了雾霾天开始需要去雾，第三年台风季又来了要处理雨纹。每一次新需求，难道都要把旧数据翻出来重新训练一遍？
图像恢复｜天津大学ZVRM：零样本视频修复提速近3倍，时序闪烁减八成
又一篇零样本视频修复的狠活。天津大学团队把文本到图像扩散模型用出了花：不用训练就能修视频，还支持文本、图像两种参考输入，推理速度直接砍到三分之一，时序一致性指标WE降到原来的五分之一。被视频闪烁折磨过的同学，这篇值得重点研究。
