清华等提出LoTA-N2N：自监督去噪最新SOTA
自监督去噪一直以来都存在一个隐忧：没有干净图像作为目标，构造的代理损失和真正想要的监督损失之间到底差了多少？这篇清华等高校的论文从“迹”差距入手，把各种自监督方法统一到同一个分析框架下，并发现全局迹很小可能掩盖局部大幅正负抵消。为此提出的LoTA-N2N，通过两阶段设计先预训练再局部迹抑制，无需配对数据、无需预知噪声模型，就在21/24个测试设置上拿到零样本
标签：图像恢复
共 99 篇北邮最新：双锚点训练让信道估计与图像重建秒杀扩散模型
语义通信是6G热门方向，但MIMO信道下非完美CSI导致的级联误差是老大难。北邮这篇工作巧妙地将信道估计与均衡误差统一建模为级联修复流匹配问题，用双锚点扰动训练+少步ODE推理，在信道估计和图像重建上大幅超越扩散基线。生成模型在通信物理层落地？这篇给出了漂亮的答案。
开源代码放送：让你的1080p视频秒变4K，还不抖动
单步扩散视频超分整天被时间抖动折磨？AMD和维尔茨堡大学这次玩了个新思路：给token搞“分班”，重要的走精品班，不重要的走大班合班，最后再无缝合回来。结果你猜怎么着？推理加速了，质量一点没掉，甚至更稳了。全开源的代码，值得一试。
北邮新方法：夜间深度估计误差暴降85%，雪天零样本也涨20%
雨天路面反光、夜间地面忽明忽暗、雪天纹理全无——自监督深度估计在这些场景下经常直接崩掉。北邮这篇工作给出了一个漂亮的解决方案：先用多个「天气专家」教师产生伪标签，再用不确定性蒸馏让学生学会判断该信谁；同时把雷达从稀疏的POV视角投影到更稠密的BEV空间做跨注意力融合。效果立竿见影，夜间absRel暴降85%，雪天泛化也提升了20%+。代码已开源，值得所有做自
RealDefocus基准来了：散焦去模糊终于有统一考场
散焦去模糊最怕的不是模型不够大，而是各说各话、数据各跑各的。RealDefocus Benchmark把统一分割、统一协议、跨数据集验证都摆上台面，终于让“谁更强”不至于靠运气。
Simon-SR：可学习提示+空间调制，超分更稳了
这篇论文的意思很直白：超分不一定非得靠人工文本标注硬喂，模型自己也能学出可用语义，再把语义按空间位置“精准打光”。它把提示学习和空间自适应调制接起来，思路不花哨，但很像能落地的工程方案。
CMOS+3D打印联手，THz成像把0.2mm看清了
THz成像最烦的不是“看不见”，而是“看见了也看不清”。这篇工作把3D打印透镜和65nm CMOS源阵列拼成一套完整系统，直接把0.2mm细节、QR码和多层PCB内部结构都拎出来了，工程味很足。
这项2026研究很实用：ERank把图像从平淡排到丰富
一张图到底“信息多不多”，以前多靠经验拍脑袋。ERank更狠：冻结编码器跑一遍，就能把图像从“平淡”排到“丰富”，而且在超分和OCR的数据筛选上真能派上用场。
2026新作：DDIM后验采样拿下多数指标
这篇论文最有意思的地方，不是“又做了一个扩散逆问题方法”，而是把原本很容易写成一团经验技巧的 posterior sampling，硬生生拆成了按奇异方向逐坐标更新的 DDIM。更狠的是，它还给出后验一致性证明，属于“能跑、能讲、还能证”的那类工作。
Exeter新方法：Hadamard复用让THz ptychography更稳更快
太赫兹成像最烦的不是“看不清”，而是“拍得太慢”。这篇工作直接把机械扫描换成光控孔径，再用Hadamard复用把信噪比和速度一起往上拉，最后真的跑到了16帧每秒，挺硬。
ONERA提出孔径掩模协同设计：湍流成像重建更稳了
地面望远镜最怕的不是“看不见”，而是“看见了也糊成一锅粥”。这篇论文很实在：不靠复杂自适应光学，直接把孔径掩模和重建算法一起设计，试图用更低成本把湍流里的高频细节捞回来。
CVPR式思路？DDR-SR让超分辨率学会“看图下菜碟”
这篇工作最有意思的地方，不是又堆了一个更大的超分模型，而是先问了一句很朴素的话：同样是低清图，凭什么都用同一套力气修？DDR-SR把“难图重修、易图轻修”这件事做成了可路由的系统，思路很工程，也很实用。
