太阳中山大学提出新算法：不用训练也能补全缺失uv频率
这篇论文盯住了射电干涉成像里最烦人的“缺频率”问题：不靠训练、不搞复杂先验，直接用非负性约束把缺失信息一点点补回来。更妙的是，它还拿 CLEAN 做了正面比较，结果看起来相当能打。🤨
标签：图像恢复
共 99 篇
TIGER登场：一招搞定人脸视频修复三大难题？
TIGER专治人脸视频修复里的三大顽疾：身份偏移、视角纠缠和“修得像但不像本人”。它把身份、几何和生成先验一起拉上场，还顺手做了一个大规模数据集，属于能打又能落地的那种。
ECNU新方法：医学切片超分辨率提升1.07dB
这篇论文把医学切片超分辨率从“随便补细节”改成“先守规矩再补脑补”，特别适合临床场景。零空间约束负责不乱改原始观测，样条混合负责把缺失层补得更像那么回事。
SIGCOMM 2025新思路：卫星图像不再全下传
这篇论文把卫星链路里最贵的“像素搬运工”思路，换成了更聪明的“语义快递员”。压缩、恢复、推理一条龙，目标不是把图原封不动送到地面，而是把任务真正需要的信息送到位。
ECCV 2026新作：AMG-Fuse让恶劣天气融合更稳了
这篇 AMG-Fuse 很会“借力打力”：不死磕把退化图硬修到完美，而是先用伪真值把训练方向扶正，再用掩码把每个模态该出力的地方分清楚。雪、雨、雾都能一起照顾到，还顺手把下游检测也拉了一把，属于很实用的那种新方法。
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"！
快慢双路径Mamba + D-βB门控，文档二值化新范式
每次遇到新档案馆里那些发黄、透墨、满是污渍的老旧文档，你是不是还得重新标注数据、重新微调模型？本论文的DR-Mamba让你彻底告别这个繁琐环节——它利用巧妙的快慢双路径Mamba和样本条件的自适应减法门，在模型前向推理时就能自动适应每张文档的独特退化类型，效果还特别能打，尤其对最难处理的极端退化样本效果拔群。
图像压缩新范式：纯INR路线也能做到清晰无伪影，PaaF给出答案
图像压缩领域又出新招，这次来自意大利卡塔尼亚大学的团队，把纯粹的隐式神经表示（INR）玩出了新高度。他们提出的PaaF，用一套自适应量化和自调制激活函数，让INR图像压缩在感知质量上大杀四方。LPIPS相比最强基线NIF再降39%，低码率下的细节还原更是甩开对手几条街。纯INR路线原来还藏着这么大潜力！
即插即用提升1.89dB，Mamba类模型秒变自适应
Mamba火了，但在图像恢复领域，它一直有个“单速”的先天不足——所有退化类型都用同一套状态演化节奏，这就像让法拉利和拖拉机跑同一条赛道，肯定出问题。上海交大团队看准了这个痛点，给Mamba注入了“液态大脑”，让模型可以根据图像内容自主选择多个时间尺度来演化。结果很惊艳：全一体化任务平均PSNR达34.23dB，狂甩各种SOTA方法。最关键的是，它是个即插即
上海交大新作SANA-SR：32倍压缩+线性注意力，图像超分19毫秒搞定，效果还更强！
超分模型想要又快又好？上海交大奖池团队直戳痛点：不是先验不够强，而是token太拥挤、交互太贵了！他们祭出32倍压缩+线性注意力的大杀器——SANA-SR，单步推理19毫秒搞定，输出效果还吊打一众多步SOTA。这个思路，绝了！
视频修复新范式：GPVAE自带置信度，医生再也不用猜哪帧靠谱
内窥镜视频常被反光、丢帧搞得“面目全非”，传统方法却“各扫门前雪”，忽略了帧之间的连续关系。2026年6月，安特卫普大学等机构联合提出GPVAE框架，给潜变量加上高斯过程这个“时间绳”，让模型学会用前后帧“脑补”受损画面。最终C3VDv2上误差最高降26%，更关键的是，它每帧还自带“可信度”标签，为临床决策提供额外保险。
CVPR 2026 夺冠？韩国团队用LRU做超分，效率吊打Transformer，仅需一次扫描！
Transformer的注意力机制一统超分天下？韩国高丽大学最新研究说，或许静态的线性递归单元（LRU）才是那个更香的选择。他们提出的LSM，用一次扫描就搞定了原本需要多次动态扫描的活儿，不仅省计算，画质还好到没朋友，成功登上CVPR 2026 Findings！
