- ConStyle v2：一个强大的全方位图像修复提示器
该论文介绍了 ConStyle v2—— 一个强大的即插即用提示器，旨在输出干净的视觉提示并帮助 U-Net 图像恢复模型处理多种退化。深度训练证明 ConStyle v2 能够增强任何 U-Net 图像恢复模型，成为全能图像恢复模型的优秀 - 强调有效图像恢复的关键特征
本研究提出了一种高效有效的框架，用于适应不同区域间存在的不同程度退化的图像恢复，并且在合成和真实数据集上优于目前的最先进方法。
- AAAI基于循环网络的屏下摄像头视频修复中解耦退化
该研究论文介绍了一种针对下屏摄像系统的视频恢复网络 D$^2$RNet，通过分离各种视频退化因素并利用长期和短期特征学习来处理相应的退化，实现了针对下屏摄像系统中各种类型退化的有针对性和有效性解决方案。通过大规模 UDC 视频基准测试的定量 - 相同任务，更多令牌：输入长度对大型语言模型推理性能的影响
本研究探讨了扩展输入长度对大型语言模型 (LLMs) 能力的影响。通过引入一种新型问答推理框架，重点评估输入长度对性能的影响。结果显示，在远低于技术最大值的输入长度时，LLMs 的推理性能显著下降，而且这种降级趋势在数据集的每个版本中都存在 - 统一宽度自适应动态网络用于一体化图像修复
对比传统图像恢复方法，全能图像恢复技术引起了人们的关注，因其能恢复受不同类型和程度损害的图像。然而，现代全能图像恢复方法忽略了任务间的困难，并使用相同的网络重建受不同退化影响的图像，这导致了任务相关性的低估和计算资源分配的次优化。为了阐明任 - DGNet: 动态梯度引导网络与噪声抑制方法用于水下图像增强
利用预测图像动态更新伪标签，将动态梯度添加到优化网络的梯度空间，通过特征恢复与重建模块和频率域平滑模块降低各种类型噪声对网络性能的影响，实现了在水下图像增强方面的显著优势。
- 大型语言模型自吃训练循环的问题分析
大型语言模型的自消耗训练循环通过使用自身生成的内容训练新一代语言模型，初始会提高生成内容的质量和多样性，但经过几代之后，多样性不可避免地会逐渐下降。
- 图像超分辨率与文本提示扩散
通过引入文本提示到图像超分辨率中，使用预训练语言模型和扩散模型，实现了优秀的合成和真实图像上的结果。
- VCISR: 盲目单图像超分辨率与视频压缩合成数据
通过引入视频压缩降级模型，提出了一种盲目单图像超分辨率方法，可恢复由视频压缩引起的失真，通过合成低分辨率图像数据并训练神经网络，在图像质量评估和视觉质量方面取得了优秀的性能。
- Devignet: 基于双聚合融合变压器和自适应通道扩展的高分辨率暗角消除
通过开发 Vigset 数据集和引入 DeVigNet 模型，本文提出了一种能够有效消除不规则光晕的算法，通过处理低频和高频域特征来改善图像细节和色彩准确性，并证明其性能超过现有的最优方法。
- 矩阵轮廓线法用于锂离子电池在线膝部起始检测
通过提取 Lithium-ion batteries 在 degradation 和 knee onset 方面的信息，提出一种基于动态时间扭曲和矩阵剖面的在线 knee onset 识别方法以及 SOH 估计模型，并实现 0.22% 的均 - CVPR无监督降质表示学习用于盲超分辨率
本文提出了一种无监督的降噪表征学习方案和一种 Degradation-Aware SR（DASR）网络，该方案可以区分表征空间中的各种降级，并通过学习提取判别性表征来获得准确的降级信息，在合成和真实图像上的实验结果表明了该方法的优越表现。
- CVPR面板下摄像头 图像修复
本文介绍使用透明有机发光二极管（Transparent OLED）和手机彩色发光二极管（Pentile OLED）为背景的显示器下相机（UDC）进行图像复原的研究
- ECCV无先验知识的盲图像恢复
本文提出了一种新的盲目通用的图像恢复方法：自归一化侧链（SCNC），可以适应于不同的图像降级情况，提高了恢复性能，相关的任务和参数可以从训练数据中推导出来，并且可以添加到任何现有的 CNN 拓扑结构中进行端到端训练。