跳到主要内容
检索

# 图像修复

6 篇关联报道

订阅更新
  1. bioRxiv

    冷冻FIB-SEM图像不再被充电伪影淹没:两阶段修复让常规电镜分割模型直接读出膜结构

    冷冻聚焦离子束扫描电镜能在近天然含水状态下对细胞做三维成像,但充电伪影、噪声和弱膜对比度长期妨碍结构判读。一种采集后处理的两阶段深度学习流程把冷冻图像向常规室温FIB-SEM图像域转换:第一阶段逐切片抑制大尺度伪影,第二阶段借相邻五张切片增强膜对比度。在164张留出合成测试图上,第一阶段相对退化输入的平均配对PSNR提升16.74 dB;四个实验数据集上可见伪影减少、膜特征更清晰,且预训练的CebraNET膜预测器无需重训即可直接用于处理后的体数据。

  2. arXiv

    CT修复不再一个网络包打三种退化:AgentCT用视觉语言智能体分派专家,九档设置PSNR全面领先

    低剂量、稀疏视角和金属伪影的物理成因不同,此前通用CT修复模型却用同一套共享架构处理全部退化。AgentCT让一个经LoRA微调的Qwen3-VL-4B控制器识别退化类型与严重程度,把图像分派给图像域扩散去噪器或双域专家,并在修复后复查输出。在患者不重叠的Mayo 2020腹部CT九个退化—严重度设置上,按真实退化标签路由时整体PSNR/SSIM为46.18 dB/0.984,高于AMIR的44.93 dB/0.976和TAMP的44.29 dB/0.979。

  3. arXiv

    运动模糊不再按数据集各训一个模型:傅里叶卷积学习让一个网络跨相机跨场景去模糊

    一个统一运动去模糊网络把模糊当作卷积来学,在傅里叶空间做随输入变化的滤波,在GoPro上把PSNR从强基线EVSSM的33.26 dB提到34.02 dB,只多8G FLOPs。

  4. arXiv

    多模态融合不再牺牲语义:攻防博弈把语义图叠进融合图,分割mIoU提升1.5

    多模态图像融合长期在视觉质量与语义属性之间取舍,因为两者的优化目标相互冲突。AD-SRF把这两者拆开优化再无损合并:先用基于Transformer的复原式视觉融合网络建立清晰融合基线,再用攻防博弈机制让攻击者挖掘语义弱点、防御者生成不可察觉的语义图叠加回融合图。在MFNet与FMB数据集上,该方法在六项视觉指标中分别有四项和五项排名第一,分割mIoU比第二名高出1.5和1.73。

  5. Nature Communications

    活细胞纳米镜不再被光漂白卡住:降光十倍、提速四倍,看清线粒体出芽

    两种深度学习方案把RESOLFT活细胞纳米镜的成像时长延长约五倍、帧率提高四倍,并在2赫兹下捕捉到80至200纳米的线粒体突起。

  6. arXiv

    Iris-3B 从零预训练 3B 像素空间文生图模型,并在深度与复原任务上未发现像素先验优于潜空间先验

    作者从零预训练了 3B 参数的像素空间文生图 Transformer Iris-3B(256→512→1024 课程,采用 v-prediction 与 DINOv2 REPA),并把潜空间模型 FLUX.2 Klein base 4B 转换为像素空间;将两类像素骨干微调用于单目深度估计与图像复原后,未发现像素空间生成先验带来显著提升:深度上 Iris-3B 与潜空间 FLUX.2 Klein 持平、转换模型落后,DIV2K 复原上两个像素模型也未超过潜空间微调。

已读完全部报道