🖼️ 图像恢复¶

🧠 NeurIPS2026 · 4 篇论文解读

🔥 高频主题： 图像恢复 ×2

Beyond Spatial-Domain Supervision: A Relation Constrained Space for Multi-Modal Image Fusion: RCS-Fusion 不把源图像当成理想融合图像，而是从冻结的 DINO/CLIP 特征学习关系监督空间，用共享、互补和冲突协调约束训练不同融合骨干，Transformer 版本在 M3FD 的融合图像检测中取得 0.730 mAP。
i-DEQ: A stable inertial deep equilibrium model for image restoration: i-DEQ 将带重启的惯性优化嵌入显式能量型深度均衡模型的训练与推理，在小规模图像恢复实验中获得接近 ELDER 的重建质量并显著缩短均衡求解时间，但理论保证是有条件的驻点复杂度，实际训练也并非始终稳定。
Learning Where and What to Restore for Composite Image Restoration: CART 在一个 U-Net 内用窗口级空间路由分配恢复算力，再用多热退化监督塑造的任务特征控制图像级通道路由，在 CDD-11 上取得 29.95 dB 平均 PSNR，但其速度优势伴随比 MoCE-IR 更高的参数量与峰值内存。
Multidimensional Observer Model and Perceptual Dimensions of Human Image Quality Assessment: 本文把图像表示为低维感知空间中的高斯分布，用带噪采样后的参考距离比较拟合人类选择，发现 CORnet-S Multi 模型在 BAPPS、PieAPP、NIGHTS 上分别以 3、9、96 维达到自身超随机性能的 95%，表明不同质量判断任务需要不同的感知结构。