lpips
PulseAugur coverage of lpips — every cluster mentioning lpips across labs, papers, and developer communities, ranked by signal.
7 天有情绪数据
-
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。
-
新的DTI范式增强了生成人脸视频超分辨率
研究人员为生成人脸视频超分辨率（GFVSR）引入了一种名为动态轨迹初始化（DTI）的新范式。该方法将GFVSR重新构建为一种由输入驱动的方向性恢复过程，旨在在不牺牲感知质量的情况下提高保真度。DTI利用一种新颖的增强和注入条件机制来预训练的DiT骨干网络，并通过信号噪声比（SNR）对齐训练的判别器指南来动态设置起始采样点。该方法通过微小的模型调整和微调实现了最先进的性能，表明LPIPS是评估人脸视频超分辨率的一个特别令人信服的指标。
-
ReScene框架以更高精度重建3D室内场景 · arXiv论文
研究人员开发了ReScene，一个旨在从多视图捕获中构建可用于仿真的3D室内场景的新框架。该方法通过专注于跨视图关系融合和物理上合理的场景组装，而不是仅仅进行单对象重建，来解决现有方法的局限性。ReScene利用HierView组件来优先化重建视图，并使用Relation-Aware Assembly将多帧预测与几何先验相结合，从而生成一个置信度加权的场景图。该框架在ScanNet场景上实现了最先进的性能，显著降低了Chamfer D…
-
AI数据质量指标与人类感知和任务性能不一致
一篇新发表在arXiv上的论文探讨了自动化数据质量指标与其在深度学习模型（尤其是在地球观测领域）中的实际效用之间的脱节。研究强调，像FID和LPIPS这样关注视觉保真度的常用指标，并不总是与人类感知或下游任务性能一致。研究发现，像旋转这样的扰动会显著改变指标得分，而不会影响人类识别；并且在自动化指标上得分较低的合成数据，在与真实数据一起使用时，可以提高下游性能。作者总结认为，在评估地理空间应用的合成数据集时，应优先考虑人类评估和任务特…
-
研究发现常用的AI数据质量指标在地球观测领域不可靠
一项新研究表明，用于评估深度学习中合成数据集的常用数据质量指标并不可靠，尤其是在地球观测数据方面。像Fréchet Inception Distance (FID)等指标侧重于视觉保真度而非下游效用，并且可以通过人类观察者无法察觉的语义保持扰动显著改变。研究表明，在这些自动指标上得分较低的合成样本，在与真实数据结合时，仍然可以实现高感知真实度，甚至提高下游性能。研究结果强调了将合成数据集质量评估与人类感知和实际任务性能相结合的必要性。
-
TeleMorpher框架赋能鲁棒的同时运动-位置视频编辑
研究人员推出TeleMorpher，一个用于视频中同时进行运动和位置编辑的新型框架。这种一次性方法将主体与背景分离，利用运动先验进行姿态扭曲，然后将编辑后的运动整合到基线编辑器中。TeleMorpher旨在提高运动-位置编辑的质量和可控性，解决了当前扩散模型应用中的局限性。
-
新审计揭示AI生成图像检测器脆弱性 · 已追踪2个来源
一项对训练无关的AI生成图像检测器的新审计揭示了其显著的脆弱性和不一致性。研究发现，实现细节，如骨干网络（例如，AlexNet vs. VGG-16）和预处理方法的选择，会极大地改变AUROC等性能指标。此外，检测分数的有效性高度依赖于超参数调整，某些分数会根据噪声水平反转其性能。研究还强调了数据集格式化偏差如何夸大鲁棒性声明，表明当前方法需要仔细重新评估和方向感知组合策略才能可靠部署。
-
研究发现：视频质量模型在评估人工智能超分辨率方面表现不佳
一篇新论文调查了当前视频质量评估模型在评估基于扩散的视频超分辨率（VSR）方法的有效性。研究发现，虽然像LPIPS和DISTS这样的基于CNN的全参考模型比其他模型与主观测试的相关性更高，但没有一个模型足够准确以取代人类评估。研究还强调了像VMAF这样的模型在处理某些VSR技术引入的空间不一致性时存在的特定问题。
-
PixelGen论文引入感知监督以提升像素扩散图像生成
研究人员推出PixelGen，一个新颖的端到端像素扩散框架，旨在提高图像生成质量。PixelGen整合了感知损失，特别是用于局部纹理的LPIPS和用于全局语义的P-DINO，以改进标准的像素级扩散方法。通过在较低噪声时间步长选择性地应用这些损失，该框架在ImageNet-256上取得了最先进的成果，并展示了文本到图像生成的效率。
-
ViTok-v2 扩展到 50 亿参数，推进图像自编码器重建和生成
研究人员推出了 ViTok-v2，这是一种拥有 50 亿参数的图像自编码器，其分辨率和参数数量均可扩展至大于先前模型。该新模型利用原生分辨率支持和 DINOv3 感知损失，在各种图像尺寸上实现了更好的重建质量。ViTok-v2 在约 20 亿张图像上进行了训练，与现有方法相比，在更高分辨率下表现出更优的性能。
-
研究人员开发新型可微矢量量化以优化生成图像压缩
研究人员开发了 RDVQ，一个用于优化生成图像压缩的新颖框架。该方法使用码本分布的可微松弛来实现端到端的率失真优化，使熵损失直接影响潜在先验。RDVQ 还包含一个自回归熵模型，用于精确建模和速率控制，在轻量级架构下实现了显著的比特率降低和具有竞争力的感知质量。
-
GOR-IS框架通过本征空间修复改进3D对象移除
研究人员开发了GOR-IS，一个用于从3D高斯喷溅等方法生成的3D场景重建中移除对象的新框架。该方法通过显式建模光传输以实现全局一致性并处理非朗伯表面，解决了现有技术的局限性。GOR-IS将场景分解为本征分量，并使用本征空间修复模块来提高物理一致性和视觉连贯性。实验表明，与先前的方法相比，感知相似性提高了13%，PSNR增加了2dB。
-
研究人员开发 pHVI-ISPNet 以改进夜景摄影渲染
研究人员开发了一个名为 pHVI-ISPNet 的新框架，通过解决感知失真和色彩偏差来改进夜景摄影渲染。该 RAW-to-RGB 模型利用了 RAW 域特征处理和基于小波的传播等特定改进来保留细节。它还结合了动态损失系数和特征分布损失项，以确保在不同曝光水平下的稳定学习和色彩恒常性。评估表明，该方法实现了具有竞争力的保真度，并在色差和感知相似性指标方面设定了新的最先进结果。
-
用于翻译不变性卷积神经网络的参数高效架构修改
研究人员为卷积神经网络（CNN）开发了一种新颖的“在线架构”策略，显著增强了其翻译不变性。通过战略性地插入全局平均池化（GAP）层，该方法在保持ImageNet上具有竞争力的准确性的同时，将可训练参数减少了98%，网络规模减少了90%。该方法还提高了翻译鲁棒性，并已应用于感知图像质量评估，优于现有指标。