lpips
PulseAugur coverage of lpips — every cluster mentioning lpips across labs, papers, and developer communities, ranked by signal.
8 天有情绪数据
-
新的4D-SG方法增强了稀疏视角谱CT重建
研究人员开发了一种名为共享结构4D谱高斯表示（4D-SG）的新方法，用于从有限的计算机断层扫描（CT）投影视图重建能量分辨衰减体积。该方法将空间结构学习与光谱衰减变化分离开来，从而能够从离散的光谱测量中获得连续的4D-SG表示。实验表明，4D-SG的性能优于现有的高斯基线方法，在峰值信噪比（PSNR）、结构相似性指数度量（SSIM）和LPIPS等指标上有所提高。
-
RadioVIL框架通过异常检测增强6G无线电地图以实现车辆定位
研究人员开发了RadioVIL，一个用于高精度无线电地图构建的新型两阶段框架，这对于6G集成传感与通信（ISAC）应用至关重要。与以往平滑细节的方法不同，RadioVIL使用去噪扩散概率模型（DDPM）来捕捉环境结构，并使用基于扩散的中介中间层优化（DMILO）算法来分离车辆散射异常。这种方法保留了物理纹理，并能够从稀疏的无线电地图中实现精确的零样本车辆定位，召回率达到75.20%，平均误差为3.31米。
-
新的PROVE方法使用可验证证据恢复AI图像提示
研究人员开发了PROVE，一种新颖的无训练方法，用于从文本到图像模型生成的图像中恢复文本提示。与依赖优化、字幕或强化学习的现有技术不同，PROVE通过直接从图像证据组合可验证的场景描述来重建提示。这种方法旨在通过提供基于显式视觉数据的可审计提示来解决版权和内容所有权问题。PROVE在多个数据集和生成器上，与当前基线相比，在图像相似性和文本-图像对齐方面表现出优越的性能，而无需任何训练或生成器访问。
-
小米MiLM Plus发布视频物体移除的PROVE基准
小米的MiLM Plus推出了PROVE，这是一个新的基准和指标集，旨在更有效地评估视频物体移除模型。PSNR和SSIM等传统指标在处理物体移除的固有不适定性方面存在困难，因为存在多种可能的输出。PROVE使用了两个新颖的指标：RC-S用于空间一致性，RC-T用于时间一致性，它们在深度特征空间内局部运行，并且不需要参考视频。该系统已被ACM MM 2026收录，并作为一个开源PyTorch存储库提供，旨在用于模型评估、CI门禁和数据过滤。
-
新的GVCHR方法通过分层引用增强生成式视频压缩
研究人员推出了一种新颖的生成式视频压缩方法GVCHR，该方法以分层方式组织潜在帧。该方法通过为经常被用作引用的低层帧分配更多比特，从而提高了编码效率并减少了伪影传播。GVCHR采用了分层时间上下文挖掘技术以实现有效的潜在编码，以及分层注意力适配器以在生成式重建过程中将注意力限制在相关的引用上。实验表明，GVCHR在BD率方面显著优于最先进的方法，并且在视觉质量方面也有显著提高。
-
新框架CodecArena使用视觉强化学习评估视频编解码器质量
研究人员推出CodecArena，一个新颖的视觉-语言框架，用于评估视频编解码器质量，特别是在低比特率和超低比特率场景下。与关注特征相似度的现有指标不同，CodecArena通过比较参考视频及其重建视频来评估内容保真度，考虑身份、对象、文本、纹理和时间一致性等方面。该框架使用Facet-GRPO（一种视觉强化学习方法）进行优化，并得到两个新资源的支持：用于自动化偏好数据集生成的CodecArena-1K，以及用于人类排名、域外评估的C…
-
新方法解决视频帧插值中的模糊匹配问题
研究人员开发了一个新颖的视频帧插值框架，解决了光流估计中模糊匹配的挑战。这种新方法保留了多个候选对应关系，并使用一个可靠性引导的路由器来选择最合适的对应关系来合成中间帧。在MA-HD基准和其他公共数据集上的实验表明，与现有方法相比，该方法在LPIPS和DISTS指标方面取得了更优异的结果。
-
新框架利用外观印迹从事件流中重建视频
研究人员开发了Engram-E2VID，一个用于从事件流和参考帧重建目标RGB帧的新颖框架。该方法解决了事件派生结构与参考帧外观信息关联的挑战，尤其是在复杂运动和长时时间间隔下。通过将参考帧编码为标记空间外观印迹，并利用事件流创建运动结构支架，Engram-E2VID使目标结构能够在没有直接像素对应的情况下访问参考外观。该框架在三个基准测试中展示了PSNR和LPIPS的改进，并显示出随着重建间隔的增加，性能有所增强。
-
新的扩散模型增强病理图像分辨率以改善诊断 · 跟踪到2个来源
两篇新的研究论文提出了用于增强病理图像分辨率的先进扩散模型，旨在提高诊断准确性。S$^3$-Diff 利用结构语义协同方法，结合标本感知锚定和结构引导语义调优，以保留关键的病理形态。Morph-ISR 采用形态感知隐式网络，配备自适应核生成器和形态保真先验，以维持细粒度的细胞细节和边界。这两种方法都旨在克服当前超分辨率技术可能导致临床病理学中纹理过度平滑和语义漂移的局限性。
-
新的扩散模型使用小波域条件生成卫星图像
研究人员开发了一个新颖的扩散框架，该框架利用小波域条件从地图数据生成卫星图像。该方法建立在ControlNet和Stable Diffusion骨干之上，采用了在地图和小波表示上训练的两个适配器，并通过MultiControlNet进行融合。该方法在新德尼泊尔数据集和Pix2Pix地图-卫星基准上进行了评估，在图像保真度和分布真实性相关的几个指标上优于现有方法。
-
新的WorldDynCache框架加速了扩散世界模型
研究人员开发了WorldDynCache，一个旨在加速扩散世界模型推理过程的新型框架。该系统采用风险控制的潜在动态近似来减轻重复Transformer评估的计算成本。通过引入轻量级风险估计器和面向阶段的代理模型，WorldDynCache有效地跟踪和管理近似缺陷，从而在HunyuanVoyager-13B和Aether-5B等模型上实现了显著的加速，同时在各种指标上保持了高质量的生成效果。
-
新的LAGS方法使用图学习进行高效的3D无人机场景重建
研究人员开发了LAGS（LAGS），一种使用航拍无人机图像进行3D场景重建的新方法。为了解决资源分配效率低下的问题，他们提出了一种分组异构图神经网络（GW-HGNN）。该模型明确考虑了不同图像组对重建过程的不同贡献，平衡了数据保真度和传输成本。实验表明，带有GW-HGNN的LAGS在性能上显著优于现有基准，并将计算延迟降低了约100倍（与MOSEK求解器相比）。
-
新框架支持对相机ISP流水线进行无参考评估
研究人员开发了一种新颖的无参考框架，用于评估相机中的图像信号处理（ISP）流水线。该方法通过从处理后的sRGB图像及其ISO元数据预测代理参考图像，来估计PSNR、SSIM和LPIPS等全参考图像质量指标。该框架通过轻量级的LoRA微调，证明了其适应ISP组件变化的能力，并且在估计指标值和排名方面优于现有的盲IQA方法。
-
新的双流学习增强了电子显微镜成像
研究人员开发了一种新颖的频率感知双流学习架构，以改进电子显微镜成像。该方法将图像分解为低频结构和高频细节，使用条件扩散模型进行全局合成，并使用Transformer网络进行细节恢复。实验表明，与现有方法相比，在真实感和保真度方面表现更优，并且在结构生物学和纳米技术应用中对各种生物样本具有很强的泛化能力。
-
MIRAGE模型增强MRI造影增强预测
研究人员开发了MIRAGE，一种新颖的二维U-Net模型，旨在从造影前切片推断乳腺MRI中的造影增强。该模型整合了全局重建和感知损失，以及专门的病灶感知监督，包括对漏诊的肿瘤增强和多尺度辅助肿瘤分割的惩罚。在MAMA-SYNTH数据集的301个病例上进行评估，MIRAGE在多个指标上表现优越，与Pix2Pix和条件扩散模型等现有基线相比，显著提高了下游病灶定位的准确性。
-
新框架使用 VLM 改进脑电图到图像重建的评估
研究人员开发了一个新框架，用于评估脑电图信号与重建图像之间的连贯性，解决了现有指标（如 SSIM 和 LPIPS）的局限性。该框架利用四个视觉语言模型 (VLM) 来评估感知和语义对齐，生成的分数被提炼成 BCI-连贯性分数 (BCS)。人类验证表明，这种新的 BCS 指标具有高度可靠性，在判断感知-语义可恢复性方面优于传统测量方法。
-
新框架分析CT重建，噪声影响策略
研究人员开发了一个统一的框架来分析自监督稀疏视图CT重建中的设计选择。他们在模拟和真实数据集上的实验表明，最优的分区策略高度依赖于测量噪声的结构。基于格的分裂在独立噪声下表现良好，而在相关噪声和实际测量数据下，角度掩蔽更有效。研究还发现，在各种场景下，多分区分裂的性能始终优于逐投影分裂。
-
SalientGS 统一 SfM 和 3DGS 以实现更快的 3D 场景重建 · 已跟踪 2 个来源
研究人员开发了 SalientGS，这是一种将运动恢复结构 (SfM) 与 3D 高斯泼溅 (3DGS) 相结合用于 3D 场景重建的新型流水线。该系统采用重要性引导的马尔可夫链蒙特卡洛 (MCMC) 高斯分配，以有效地将计算资源重新分配给场景中拟合不足的区域。这种方法可在约 15 分钟内实现端到端重建，并达到高感知质量。
-
Simon-SR框架通过提示引导的适配增强图像超分辨率
研究人员推出了一种新颖的多模态框架Simon-SR，该框架通过利用可学习的提示进行语义挖掘和文本-图像融合来增强单图像超分辨率（SISR）。该方法旨在提高感知质量，并减少与先前方法相关的错误先验和标注成本的敏感性。实验表明，Simon-SR在PSNR、SSIM和LPIPS指标上均优于最先进的技术，并取得了显著的提升。
-
扩散模型提升低质量监控图像人脸识别能力
研究人员开发了FASR++，这是一种新的扩散模型，旨在提高低质量监控图像的人脸识别准确性。该模型聚合来自多个低分辨率图像的特征以生成超分辨率输出，从而最大限度地减少身份失真。FASR++在标准的用于验证和图像质量指标的人脸识别数据集上取得了最先进的结果，而无需显式的软属性或梯度函数。