ICLR 2025后续新作:BRACE让屏幕拍照条纹退场
屏幕拍照最烦的不是糊,而是那种彩条、锯齿、色偏混在一起,像手机在认真拆台。BRACE干脆换了思路:不再死磕单帧,直接上多帧包围曝光RAW,把“看不清的条纹”变成“能对照的证据”。
LONGGE AI RESEARCH DAILY
每天筛选值得关注的 AI 论文,用工程视角拆解方法、实验和真正的落地价值。
目前已发表 1573 篇文章
屏幕拍照最烦的不是糊,而是那种彩条、锯齿、色偏混在一起,像手机在认真拆台。BRACE干脆换了思路:不再死磕单帧,直接上多帧包围曝光RAW,把“看不清的条纹”变成“能对照的证据”。
屏幕拍照最烦的不是糊,而是那层像“屏幕自带纹身”的闪烁条带。本文直接把问题拆成数据集和模型两块,Bricker 负责把复杂退化喂给模型,BRACE 负责把条纹按住。
这篇论文最有意思的地方,不是又堆了一个大模型名字,而是把工业成像里最烦人的两类退化——投影域旋转模糊和图像域稀疏伪影——按物理顺序拆开处理。64视角还能把结构测量保住,工程味很足。
这篇 SEAR 很有意思:它不再把图像修复当成“看到退化就直接出手”的单步活,而是改成先规划、再执行,还会把成功经验存起来反复用。对复杂混合退化场景来说,这种“会思考、会记忆”的思路,比纯 greedy 搜索靠谱得多。
盲去模糊最烦的不是“模糊”,而是模糊里混着真纹理和假纹理,模型一不小心就把该保的细节也抹掉了。CogSENet的思路挺狠:先让网络学会“看场景”,再用频率分解把结构和细节拆开,最后拿连续模糊场去适配非均匀退化,工程味很足。
超声去斑点最怕两件事:噪声没去干净,边界先被抹平。NBGL把“去噪”和“保边界”拆成双分支,再用噪声感知机制动态调权,思路很工程,也很实用。
这篇论文最有意思的地方,不是“又做了一个去噪器”,而是把ICF图像里最难缠的乘性均匀噪声,硬生生改写成了对数域里的可学问题。更关键的是,它还老老实实把实现里踩过的坑摊开讲了,属于既能看理论,也能学落地的那种文章。
这篇论文最有意思的地方,不是又把 PSNR 往上抬了 0.0 几,而是开始追问:退化先验到底是不是“真懂退化”。它把记忆槽变成可干预、可反证的对象,思路很硬。
这篇论文把“真实噪声太难学”这件事,拆成了先高斯化、再去噪两步走,思路很顺手。更关键的是,它不是只会讲理论,还能直接给现成去噪器加 buff,实用性很强。
这篇论文专挑深度展开网络的“老毛病”下手:一堆阶段反复堆同款重模块,算力花得很豪气,更新却越来越像在原地挪步。DU把流程改成“通用阶段打底、差分阶段精修”,思路很工程,也很对症。
这篇论文很像给真实超分模型做了一次“跨场景校准”:先适应合成盲退化,再对齐经典双三次评测协议,最后再回到轻度真实相机退化。它最有意思的地方,不是单点堆损失,而是把训练分布这件事摆到台面上认真收拾。
这篇论文最有意思的地方,不是又堆了多少花活,而是把盲超分最容易被忽略的“分布对不齐”拎出来狠狠干了一顿。三阶段对齐思路很朴素,但对真实相机数据确实有效,适合想看“训练协议怎么影响结果”的读者。
LONGGE AI COMMUNITY
加入「龙哥读论文」知识星球,持续获取 AI 论文、资讯、开源项目、招聘与研究思路。
加入龙哥读论文微信群:添加微信 kangjinlonghelper,备注“研究方向 + 地点 + 学校/公司 + 昵称”。
微信扫码加入知识星球