告别模糊！频域隐式高斯泼溅让浓雾图像秒变高清，PSNR猛涨
单图去雾一直面临“高频细节丢失”和“物理模型不准”两大难啃的骨头。重庆大学与清华大学合作，将现在大火的3D/2D高斯泼溅改造为一种“隐式”范式，在特征域的频域空间里做文章，还顺手补上了物理模型的短板。这篇工作在多个基准上拿了SOTA，看完之后你会感叹：原来高斯泼溅还能这么玩？
标签：图像恢复
共 99 篇
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。
CVPR 2026夺冠！北大新作Spk2VidNet：用层次循环网络，让尖峰相机长视频超分效率吊打SOT
当尖峰相机遇到长视频超分，现有方法只能“管中窥豹”，看一截儿是一截儿，信息被截断了不说，尖峰信号本身的波动还让画质“忽忽悠悠”。北大等机构这篇CVPR 2026新作，直接端出一套层次循环网络Spk2VidNet，用分层扩大时间视野的骚操作，把长序列里的海量信息榨得干干净净，速度和精度双杀SOTA，推理仅需43ms。这波操作，真稳！
