武大PROTEUS：水下图像恢复新SOTA，仅2.6M参数登顶U90
水下照片又绿又灰还带雾？武汉大学等机构的最新PROTEUS让你一键还原！它把“退化信息”从累赘变成向导，既用它引导特征调制，又用它控制跳跃连接复用。仅2.61M参数，U90的PSNR刷到25.50dB，LPIPS更是把第二名从0.086打到0.081，轻量又能打，值得一读。
标签：图像恢复
共 99 篇
天津大学提出RISE：不用配对数据，0.35M参数拿下无监督低光增强SOTA
无监督低光增强容易做成一锅粥：曝光、噪声、结构全搅在一起。天津大学的RISE偏要分清楚——像光线从亮处往暗处传播一样，从可靠亮区推断全图光照结构，顺带用双测光参考做自适应曝光。0.35M参数跑出无监督SOTA，还不用配对数据，值不值得读，你说了算。
RMIT提出RMR-Net：道路缺陷检测新范式，7/8场景精度领先
道路缺陷检测最怕输入图像又糊又暗——坑洼裂纹在模糊里“隐身”，再强的检测器也得抓瞎。RMIT团队这篇工作直接把退化证据变成恢复条件，让复原后的图像“喂”给检测器，8种退化场景里7项精度领先。方法简洁、定位精准，适合所有做巡检和车载视觉的团队围观。
西工大最新研究：一步超分不用蒸馏，FLOPs狂降6倍、质量反超CTMSR
一步超分又有新玩法：西工大MeanSR不靠教师模型蒸馏，直接学习低分辨率条件下的平均速度场来显式建模恢复轨迹，CLIPIQA、MUSIQ、MANIQA全面涨，FLOPs只有之前最强单步方法CTMSR的约1/6，推理还快了近一倍。感兴趣怎么实现的，往下看。
ACM MM 2026：让超分模型学会"随机应变"？测试时自适应让模糊视频秒变清晰
视频超分模型碰到真实世界里的压缩伪影、噪点、模糊就翻车，这是老难题了。这篇论文把「测试时自适应」玩出了花：不重新训练、不要高清参考，AI模型边推理边自我调整，画质和文字清晰度都有实打实的提升。思路接地气，实验做得很扎实，值得一读。
白捡0.5dB？福州大学ANCHOR让视频恢复SOTA还能再涨分
视频恢复网络费尽心思聚合相邻帧信息，却可能在局部区域修出更糟的结果。福州大学这篇ANCHOR不改造网络，而是把低质当前帧当作"锚点"，用物理痕迹推断每一处该信网络还是该信原图，纯后处理就能让多种SOTA模型继续涨分。这种"事后纠错"的思路把"何时该相信时间聚合"这个被忽视的问题摆上了台面，值得一读。
磁粒子成像超分新作：德国宇航中心零样本重建，PSNR提升16%
磁粒子成像（MPI）是很有前景的医学影像模态，但分辨率被系统矩阵的粗糙网格卡死，想提分辨率就得重新做几小时甚至更久的标定扫描。这篇论文把超分辨率直接揉进PnP重建框架，用预训练去噪器零样本干活，不训练不微调，在合成和真实数据上都把分辨率提上去了，思路非常实用。
小米ACM MM 2026新作：图像修复告别"一刀切"，像素级引导涨1.51dB
大伙儿平时用手机拍照，有没有遇到过这种场景：明明窗外阳光正好，拍出来的照片却一半清晰一半糊，或者人脸是清楚的，背景却蒙了一层雾。这时候大多数修复算法会怎么做？
最新FDIR：压缩图恢复不再纠结，3.5K训练图拿下7/10下游任务
JPEG一压狠了，画面就糊成一团。传统方法要么回归均值磨平纹理，要么生成式模型脑补纹理骗过人眼却坑了下游模型。FDIR用两阶段解耦把这笔“三角债”理清了，只用3.5K张图就拿下7/10下游任务领先，值得做压缩恢复的同学都看一眼。
身份相似度0.988！四校联手端出免训练人脸修复新范式
手机里存了三年的糊脸照片，AI一顿猛修，结果亲妈都不认得了？扩散模型人脸修复最怕"五官漂移"，南邮等四校带来WaveFreqAnchor：零训练、零微调，只用波结构锚定+频率校正，把身份相似度一路抬到0.988，修完还像本人！
图像恢复新SOTA！FIT用可变形tokenization摘得多任务接收，平均30.72dB
图像恢复圈的老问题——固定patch切割总在退化边界上“切错地方”，导致修复完还留着一道道网格伪影。FIT把tokenization本身变成可变的，让patch边界跟着雨线、模糊核、景深走，五任务平均PSNR一口气拉到30.72dB，比JIT基线提升1.44dB。一句话：patch不“卷”了，改“弯”了。
训练零成本，孔径感知INR让动态散斑去噪PSNR猛涨5.8dB
散斑噪声是相干成像（SAR、数字全息、光学相干断层扫描）里绕不开的"毛玻璃"，动态场景下尤其难缠。本文用孔径感知最大似然+时空隐式神经表示，做到完全无训练去噪：不需要干净参考、不需要配对数据、甚至换孔径都不用重训，模拟和实验室实测都在时间一致性和细节恢复上赢了监督模型。思路相当clean，值得一读。
