本文提出了RePaint，一种基于DDPM的修复方法，针对自由形式的抠图效果更佳，能够进行信息补充，并对面部和通用图像修复进行了测试。

Jan, 2022

本论文提出了一种基于自然语言输入的图像修复算法，名为Inst-Inpaint，可同时估计要移除的对象，并对其进行修复。为了支持该任务，我们首先构建了一个名为GQA-Inpaint的数据集。我们在合成和真实图像数据集上运行了各种GAN和扩散基线，使用不同的评估指标比较方法，并展示了显著的定量和定性改进。

Apr, 2023

本文介绍一种基于贝叶斯法的COPAINT算法，其使用扩散模型来修复图像并通过逐步减小误差的方式来减少与参考图像的偏差，从而优于现有的扩散模型方法。

Apr, 2023

GradPaint是一种用于图像修复的方法，通过计算模型的损失与输入图像的相干性，并使用扩散模型本身的梯度来引导生成过程，从而改善了目前基于监督和非监督方法的最新技术。

Sep, 2023

视频修复方法基于扩散模型的内部学习算法，通过简化学习步骤并针对动态背景和纹理，在视频修复任务中达到了最先进的性能。

Nov, 2023

本文提出了一种基于DDPM的模型，能够通过使用生成对抗网络（GAN）的生成器来建模反向扩散过程，从而以较低的采样成本填充丢失的像素，实验结果表明我们的方法在通用图像修复数据集上表现出卓越性能。

Aug, 2023

本文提出了一种用于图像修复的轻量级扩散模型，可以在单幅图像或几幅图像上进行训练，结果表明我们的方法在某些情况下可以与大型先进模型竞争，特别适用于与标准学习数据库中的RGB图像不同的图像获取模态，并在纹理图像、线条图像和材料BRDF等三个不同情境中取得了逼真度方面的最新成果，与相应方法相比计算负荷大大减少。

Jun, 2024

通过引入PILOT（基于新颖的语义集中和背景保护损失的潜在优化）方法，我们在现有的大规模扩散模型的基础上提出了一种优化方法，可以生成具有高保真度的修复区域，并与背景保持一致，从而在对给定提示进行回应时表现出更高的一致性、多样性和可信性。

Jul, 2024

本研究解决了图像修复中在大型缺失区域保持结构连续性和生成一致纹理的挑战。我们提出了一种结合扩散模型与各向异性高斯涂抹的新型修复方法，通过适应局部图像梯度的高斯函数对缺失区域进行建模，为基于扩散的修复网络提供结构指导。实验表明，该方法在实现高保真和结构一致的修复效果方面优于现有技术。

Dec, 2024

本研究解决了基于扩散模型的图像修复中的3D不一致性问题。我们提出了一种使用同一场景中的图像对的生成模型，并在去噪过程中引入场景的替代视角，从而实现3D一致性和语义连贯性。实验结果表明，该方法在多个数据集上生成的修复结果在3D一致性和语义上优于最新技术。

Dec, 2024