- DMCVR: 基于形态学引导的扩散模型用于 3D 心脏容积重构
通过形态导向扩散模型，我们提出了 DMCVR，用于从稀疏的 2D 图像堆叠中更好地重建 3D 心脏容积，这种方法在生成模型中将心脏形态作为条件，消除了潜在代码的耗时迭代优化过程，提高了生成质量。我们的实验表明，DMCVR 在 2D 生成和 - ICCVOmniZoomer: 学会在高分辨率下移动和缩放球体
本文介绍了一种新的基于深度学习的方法，称为 OmniZoomer，它将 Möbius 变换纳入网络中，实现对全景图像的移动和缩放，并通过学习不同条件下的变换特征图来处理模糊效应和失真问题。
- ClimSim: 一份适用于在混合多尺度气候模拟器中训练高分辨率物理仿真器的开放式大规模数据集
ClimSim 是迄今为止最大的融合混合 ML 和气候物理学的数据集，由一组气候科学家和 ML 研究人员开发，其设计思想是为了使结果仿真器与下游耦合到运行气候仿真器兼容。
- 多源翻译计算机断层扫描重建的 BPF 算法
本文介绍了一种名为 mSTCT 的新的扫描模式和 backprojection-filtration 的新算法，能够有效地提高微 CT 系统的视野和高分辨率重建效率，并且在模拟和实验中验证了该算法的可行性。
- 在统一的视觉模态上将扩散概率场扩展至高分辨率
提出了一种新的模型，该模型结合了以视图为基础的采样算法和额外的指导信息，例如文本描述，用于细节结构学习，使得模型能够扩展到高分辨率数据，统一多种模态下的视觉内容生成。实验结果证明了模型的有效性，以及其作为可伸缩性模态统一视觉内容生成的基础框 - Super-NeRF: NeRF 超分辨率图像的视角一致细节生成
该论文提出了 Super-NeRF 方法，通过对低分辨率输入进行 2D 超分辨率的控制，构建了一个一致性控制超分辨率模块，以生成视图一致的高分辨率 NeRF 模型，从而实现高分辨率细节的生成和跨视图一致性。
- CVPR高分辨率图像去雾的全局局部特征组合器（SGLC）
本研究提出了 “简化的全局和局部特征组合器 (SGLC)” 来优化任何去雾模型在高分辨率图像上的应用，通过生成强有力的全局特征和增强局部特征细节来解决合并全局和局部特征的问题，并通过 PSNR 指标的显著增加来验证了该方法的有效性。
- 高分辨率说话人分离嵌入提取器
本文提出了一种新的嵌入提取器体系结构，称为高分辨率嵌入提取器（HEE），它从每个语音片段中提取多个高分辨率嵌入，每个密集的帧级嵌入可以代表一个说话者，多个说话者可以由每个段的不同帧级特征表示。通过在五个评估集上的实验，表明了所提出的 HEE - MM具备音视频先验的极限规模讲话脸部视频升频
本文探讨了如何从一个 $8 imes8$ 像素的视频序列中获得丰富的信息，通过音频和图像的先验知识以及提出的音视频上采样网络，我们成功实现了 $32 imes$ 的视频放大，进一步在说话人视频压缩领域实现了 $3.5 imes$ 的比特率改 - ECCV基于 MPI 的 Bokeh 渲染框架，用于实现逼真的局部遮挡效果
利用可学习的三维场景表示 Multiplane Image (MPI)，提出了一个高分辨率的 MPIB Bokeh 渲染框架，配合背景修复模块，有效地实现了真实的部分遮挡效果，在合成和真实图像上取得了较好的结果。
- ECCVDCCF：高分辨率图像融合的深度可理解色彩滤镜学习框架
本文提出了一种用于高分辨率图像和可理解的模型的图像色彩协调算法，通过学习人类可理解的神经滤镜并将其应用于原始输入图像，实现对图像进行协调，与现有后处理方法相比，在 iHarmony4 数据集上分别实现了 MSE 和 PSNR 的 7.63％ - CVPRDIP: 高分辨率光流的深度反演 Patchmatch
本论文提出了一种基于 Patchmatch 的深度学习光流方法，通过传播和局部搜索获得高精度结果，并提出了一种新的反向传播方法来减少计算复杂度，实验证明该方法在 KTTI2015 基准测试上排名第一，在 Sintel 干净基准测试上排名第二 - CVPRGIRAFFE HD: 高分辨率的三维感知生成模型
本文提出了一种高分辨率的 3D 生成模型 ——GIRAFFE HD，该模型继承了 GIRAFFE 模型的所有可控制特性，能够生成高质量、高分辨率的图像，并且通过独立生成前景和背景，并将它们结合起来以组成一个相关性的最终图像，实现了自然图像数 - CVPR拼贴大师：基于样例的高分辨率肖像画风转换
本文介绍一种名为 DualStyleGAN 的新型神经网络，可用于基于范例的高分辨率肖像风格迁移，实现原始面部领域和艺术肖像领域的双重风格控制，并通过一种新型的渐进微调机制使其能够精确拼贴风格示例。实验证明其在高质量肖像风格转换和灵活的样式 - 区域感知人脸交换
本文提出了一种新颖的区域感知脸部交换（RAFSwap）网络，以局部 - 全局方式实现一致性、和谐性和高分辨率的面部生成。
- CVPR基于协作双重变换的高分辨率图像融合
本研究提出了一种高分辨率图像融合网络，其中结合了像素到像素变换和 RGB 到 RGB 变换，通过低分辨率像素生成器、颜色映射模块和细化模块进行协同工作，旨在解决高分辨率图像合成中的多个问题，且效果明显。
- 高效、高分辨率图像融合的空间分隔曲面渲染网络
本研究提出一种名为 S$^2$CRNet 的高效高分辨率图像和谐化神经网络，其使用空间分离的嵌入和曲线渲染模块来生成参数，并在合成图像和真实图像测试集上取得了最佳表现。
- 基于内存的视频虚拟试穿网络
提出了一种基于记忆的视频虚拟试衣网络（MV-TON），它可以在不需要任何服装模板的情况下，通过姿势对齐和区域替换像素，将所需的衣服无缝传输到目标人身上，并生成高分辨率逼真的视频
- ICCV基于 1D 注意力和相关性的高分辨率光流
该论文提出了一种借鉴 Transformer 的高分辨率光流估计新方法，通过在目标图像垂直方向上首先应用 1D 注意力操作，然后在经过注意力操作后在水平方向上进行简单的 1D 相关操作，从而实现 2D 对应建模，能够适应极高分辨率图像，并保 - 高分辨率图像修复的聚合上下文变换
本文介绍了针对高分辨率图像（例如 512x512）的图像修复中出现的结构扭曲和纹理模糊挑战所提出的增强版 GAN 模型，该模型名为 AOT-GAN，它通过聚合从不同感受野捕捉的上下文变换来增强上下文推理，同时通过针对文本区域的遮罩预测任务来