本文提出了一种新颖的结构和统计纹理知识蒸馏框架（SSTKD），通过引入轮廓线分解模块（CDM）和去噪纹理亮度均衡化模块（DTIEM）来结合结构和统计纹理知识，其中，CDM 通过迭代 Laplacian 金字塔和方向性滤波器组对低级特征进行分解，而 DTIEM 则通过启发式迭代量化和去噪操作来自适应地提取和增强统计纹理知识，最后，每个知识学习都由一个单独的损失函数进行监督，从更广泛的视角促使学生网络更好地模仿老师，并且实验表明，所提出的方法在 Cityscapes，Pascal VOC 2012 和 ADE20K 数据集上实现了最先进的性能。

May, 2023

该论文介绍了一种基于稀疏子集选择概念的图像分割方法，该方法采用局部光谱直方图特征将视觉信息编码为高维向量，并将其馈入一种新颖的凸模型，该模型有效地利用特征将超像素分为适当数量的连贯区域。该模型自动确定连贯区域的最优数量和超像素分配以形成最终的分割结果，并且作者设计了一种基于交替方向乘子法的数值算法来解决该模型，该算法高度可并行化且计算效率非常高，论文还通过广泛的实验验证表明，与现有的最先进方法相比，该方法在结合超分割的情况下可以提供高质量和具有竞争力的结果。

Apr, 2018

基于结构引导的扩散模型在图像修复中通过添加噪音来从前向过程中对图像纹理进行修复，并通过反向去噪过程使用与图像纹理相同的未遮挡区域恢复已遮挡区域，解决了现有技术中遮挡和未遮挡区域之间的语义差异问题。

Mar, 2024

本文提出一种新的框架 ASM，通过对抗过程对训练结构化预测网络进行训练，降低对象之间的语境混淆并提高边界定位精度。

May, 2018

通过提出一种基于新型结构规范的通用框架，以及使用线性化的多块交替方向乘数法算法来高效地解决该问题，我们研究了从高维数据中估计稀疏、结构稀疏和密集组件的模型。在合成和实际数据集上的实验证实了这种方法的优越性。

Sep, 2016

我们提出了一种新颖模型，用于将灰度图像分解为三个不同的组成部分：结构部分，表示具有锐利边界和强烈光暗转换的区域；平滑部分，捕捉柔和阴影和色调；以及振荡部分，描述纹理和噪声。

Jul, 2024

在高斯图模型的框架下，我们引入一种新颖的分解方法，将基础图结构分解为稀疏部分和低秩对角块（非重叠社区），并提出一个三阶段估计过程以及快速高效的算法用于识别稀疏结构和社区。通过两种建模方式展示了这种分解的重要性，并在理论层面上建立了局部可辨识性的条件，并通过构造一种有效的范数将传统的不可表示性条件拓展为自适应形式，确保自适应 l1 惩罚估计器在第二阶段的模型选择的一致性。此外，我们还为第三阶段的 K 均值聚类过程提供了聚类误差界限。通过大量的数值实验，证明了所提方法在估计图结构方面的优越性。此外，我们还将该方法应用于股票回报数据，展示了其准确识别非重叠社区结构的能力。

May, 2024

通过学习联合分析运算符的方法，提出了一种双模共稀疏分析模型，将强度图像和深度信息结合起来用于高分辨率深度图像的超分辨率重建。

Apr, 2013

本文提出了一种新的压缩伪影降低的后处理技术，该方法利用图像去噪算法作为正则化项，通过 ADMM 求解广义逆问题，进而获得高质量的压缩图像。该方法适用于各种基于变换编码的压缩技术，如 JPEG，JPEG2000 和 HEVC 等。

Oct, 2015

该研究提出了一种新的双流网络方法，能够模拟结构约束纹理合成和纹理引导结构重构，并且通过 Bi-directional Gated Feature Fusion 模块和 Contextual Feature Aggregation 模块实现更好的全局一致性和多尺度特征聚合，定量和定性实验证明了该方法的优越性。

Aug, 2021