光场去噪新范式！印度理工用LSH稀疏注意力，参数更少、性能反超SOTA
光场去噪一直是个难题：数据大、维度高、噪声还独立于视图。印度理工学院这次用LSH稀疏注意力，把整个4D光场直接当作一个整体来做全局交互，不仅性能全面超越SOTA，参数量和推理速度还更优。在图像去噪领域，这种“大一统”的思路相当值得关注。
标签：图像去噪
共 29 篇
多伦多大学最新研究：黑暗中的3D重建，信噪比低于-4dB也不怕！
黑暗环境下的3D重建一直是计算机视觉的"禁区"——常规的SfM管线在低信噪比下直接崩溃。多伦多大学带来的Dark3R另辟蹊径，通过教师-学生蒸馏把MASt3R这类3D基础模型"教会"在黑暗中看清世界，仅需噪声-干净RAW图像对训练，无需任何3D真值监督。看过的龙迷都直呼"真不错"！
Nebraska & Texas A&M提出SCOPE：一招用分布CDF设计「万能」小波收缩规则，效果吊
小波去噪的收缩规则设计，一直有点“玄学”的味道，要么是硬阈值、要么是软阈值，再不然就是各种花式变体。内布拉斯加大学和德州农工的研究者们另辟蹊径：直接用概率分布的CDF来构造收缩规则！参数少、可解释性强，性能还能跟贝叶斯和SURE流派掰手腕。想学一手“数学魔法”的赶紧上车。
首尔大学CVPR 2026：34Hz实时去噪，热红外图像不再“雪花飘飘”
当你把机器人放进一座没有灯光的漆黑走廊，绝大多数视觉传感器都会当场“罢工”，但热红外相机可以。只是，它拍出来的画面像蒙上了一层雪花点，还带着顽固的横条纹。首尔大学团队交出的这份答卷——TIDY，用一种极其优雅的方式把噪声“剥离”了出来，纯靠小波域的数学之美，让热成像实现了前所未有的清晰。
告别高功耗CNN！脉冲网络也能看清全局，混洗大法太绝了
脉冲神经网络（SNN）一直被看作是低功耗计算的未来之星，但在图像恢复这种需要“顾全大局”的任务上，受限于感受野，往往表现不佳。这篇2026年的新工作巧妙地将小波变换和一种零开销的随机混洗操作引入SNN，让“近视”的脉冲网络也能高效建模全局依赖，参数量仅0.125M，去雨性能却实现了大幅跃升。对于关注边缘端AI和高效模型的小伙伴，这篇文章值得一读。
