利用新的快速、混合交替最小化算法（HALM）对欧拉弹性模型进行求解，通过梯度分解和收敛性证明，实现了高精度和高效率的结果，且能适用于曲率为 Lipschitz 光滑的变分模型。

Aug, 2023

通过将图像因子分解为线性组件之和，我们提出了一种零样本方法来通过扩散模型采样来控制每个单独的组件。我们通过分解图像为低频和高频空间成分并基于不同的文本提示来调整这些成分，可以产生根据观察距离而改变外观的混合图像。我们还使用将图像分解为灰度和彩色成分，以生成在灰度下外观改变的图像，这在昏暗的光照下自然发生。此外，我们还通过运动模糊核将图像分解，从而生成在运动模糊下外观改变的图像。我们的方法通过使用组合噪声估计进行去噪，该估计是通过在不同的提示条件下对噪声估计的成分进行构建而得到的。我们还展示出，在某些分解情况下，我们的方法可以恢复先前的生成和空间控制方法。最后，我们展示了我们可以将该方法扩展到从真实图像生成混合图像。我们通过固定一个组件并生成其余的组件来解决一个逆问题。

Apr, 2024

提出了一种基于半稀疏正则化框架的图像结构 - 纹理分解方法，可以将图像结构与复杂的纹理背景解耦，并结合不同的纹理分析模型，通过交替方向乘子法（ADMM）算法得到了一种简单易用的图像结构 - 纹理分解方法。 实验证明，该方法具有可比拟或优越于先进方法的图像分解结果。

Aug, 2023

该研究提出了一种新的神经网络结构，将图像分解为其固有反射率和阴影，这个结构在固有图像分解问题上表现优异，通过将输出图像展开成拉普拉斯金字塔组件并依据频率实现并行处理，利用卷积神经网络实现图像转换函数的学习，然后在两个基准数据集上进行验证，定量和定性结果均表明，该模型优于最先进的方法。

May, 2018

本文提出了一种基于结构张量的新的直接边缘导向图像超分辨率算法，使用各像素的各向同性高斯滤波器计算结构张量，根据其特征值将像素分为统一区域、角落和边缘三个不同类别，通过结构张量切线特征向量，确定边缘方向并用于沿边缘插值，与部分以前的边缘导向图像插值方法相比，该方法在客观和主观方面都达到了更高的质量。此外，该算法不需要优化处理即可实现更高的速度。

Feb, 2014

在多种成像应用中，对于进一步用于其他数值模拟的分割特征（例如血管），所获得的曲面分辨率不足以满足任务要求。本文提出了一种基于 Euler-Elastica 的正则化方法的新变分模型来解决这个问题，并提出和实施了两种求解模型的数值算法，即投影梯度下降法和交替方向乘子法。通过实际例子的数值实验（其中包括另一个变分模型的输出），证明了该模型的有效性。从离散几何的角度，通过高斯曲率和平均曲率的标准差进行了定量比较，展示了新模型的优势。

Sep, 2023

本文提出了一种图像分解的方法，使用 Diffusion 模型进行无监督训练，从而推断出图像中的各种组成部分，并展示了如何使用这些组成部分灵活地生成不同于训练时的场景。

Jun, 2024

本论文提出了一种通用的范式来处理来自多个独立和不受控制的图像来源的 3D 动态重建问题，该问题具有任意时间采样密度和分布，通过图表论的方法建立空间 - 时间关系，通过三重凸优化框架来进行重建，在运动捕捉数据和多视图图像数据集上进行实验，并探讨几何事件分割和数据关联的应用。

Aug, 2019

本文提出了一种基于分层结构和纹理分解的生成框架，使用 BFCN 学习结构和纹理表征，并使用 SM-MSE 指标来测量纹理图案。实验表明，相对于基于样例合成的方法，本方法在视觉和客观指标上都表现更好，并且具有更好的跨数据集的泛化能力。

Oct, 2017

非等距形状对应是计算机视觉中的一个基本挑战，本文提出了一种新方法，通过将弹性薄壳的非正交外部基函数与 Laplace-Beltrami 算子的内在基函数相结合，创建了一个混合谱空间来构建功能映射，实现了在各种应用中处理复杂变形的能力，并通过广泛的评估展示了显著的改进。

Dec, 2023