PulseAugur
中
实时 10:12:27
English(EN) MDTD-ArtIR: Benchmarking Image Editing and Restoration Models for Art Image Restoration under Texture-Overlay Degradations

新的基准测试MDTD-ArtIR评估艺术图像修复模型

作者 PulseAugur 编辑部 · [1 个来源] ·

一个新的基准测试MDTD-ArtIR已被开发出来，用于评估在如裂缝和污渍等复杂退化条件下进行艺术图像修复的图像编辑和修复模型。该基准测试利用了一个新的、开源的名为MDTD-Art的alpha纹理掩码数据集。实验表明，当由结构化提示引导时，通用的图像编辑模型在保留细节和结构一致性方面优于专门的修复架构，这突显了可恢复的语义信息和提示可控性的重要性。 AI

影响 该基准测试有望推动AI模型在保护和修复文化遗产资产方面的改进。

排序理由 该集群描述了一篇介绍特定AI任务基准测试和数据集的新学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →

新的基准测试MDTD-ArtIR评估艺术图像修复模型

报道来源 [1]

  1. arXiv cs.CV TIER_1 English(EN) · Mridula Vijendran, Shuang Chen, Hubert P. H. Shum ·

    MDTD-ArtIR: Benchmarking Image Editing and Restoration Models for Art Image Restoration under Texture-Overlay Degradations

    arXiv:2608.00736v1 Announce Type: new Abstract: Restoring severely degraded visual media still remains a formidable challenge, as existing methods often hallucinate unnatural textures and contents, struggle with preserving color and texture, or fail to leverage partially retained…

相关实体

相关话题