CVPR2026 图像恢复论文解读论文笔记扩散模型超分辨率压缩/编码多模态对抗鲁棒

🖼️ 图像恢复¶

📷 CVPR2026 · 132 篇论文解读

📌 同领域跨会议浏览： 🧪 ICML2026 (16) · 🔬 ICLR2026 (15) · 🤖 AAAI2026 (10) · 🧠 NeurIPS2025 (26) · 📹 ICCV2025 (31) · 🧪 ICML2025 (5)

🔥 高频主题： 图像恢复 ×34 · 扩散模型 ×31 · 超分辨率 ×31 · 压缩/编码 ×7 · 多模态 ×7

2-Shots in the Dark: Low-Light Denoising with Minimal Data Acquisition: 这篇论文提出一种"两张图就够"的传感器噪声合成方法——每个 ISO 只需一张噪声图 + 一张暗帧，用傅里叶域随机相位采样把信号无关噪声当作纹理来合成，配合迭代直方图匹配修正边缘分布，从而无需大规模配对数据就能生成无限多样的训练对，让去噪网络在多个低光基准上达到物理类方法的 SOTA。
AceTone: Bridging Words and Colors for Conditional Image Grading: 提出AceTone，首个支持文本和参考图像多模态条件色彩调色的统一框架，通过VQ-VAE将3D-LUT压缩为64个离散token，训练VLM预测LUT token序列，再用GRPO强化学习对齐色彩相似度和美学偏好，在风格迁移和指令调色上LPIPS改善50%。
AE2VID: Event-based Video Reconstruction via Aperture Modulation: 针对事件相机视频重建只靠稀疏运动事件、静态区域和误差累积难以恢复的痛点，本文主动周期性开合光圈，让事件相机在静态区域也"被动触发"出密集事件，由此解析出密集强度参考图，再用双子网络（AENet 处理光圈事件、MENet 双向融合运动事件）重建出高速高动态范围视频，在 EvAid 上 MSE 较 SOTA 降低 27.4%。
Beyond Ground-Truth: Leveraging Image Quality Priors for Real-World Image Restoration: 提出IQPIR框架，引入预训练NR-IQA模型的图像质量先验(IQP)作为条件信号，通过质量条件化Transformer、双Codebook结构和离散表示空间质量优化三个机制，引导图像修复过程趋向最高感知质量，在盲人脸修复等任务上全面超越SOTA。
Beyond Single Solution: Multi-Hypothesis Collaborative Deep Unfolding Network for Image Compressive Sensing: 针对压缩感知（CS）问题"欠定、解不唯一"的本质，本文提出 MHC-DUN：把传统深度展开网络（DUN）里"只重建一个解"的范式扩展成"同时重建 \(T\) 个假设解并让它们协同优化"，在梯度下降步用 AlphaNet 给每个假设预测逐像素自适应步长、在近端映射步用 MHCB 挖掘假设间相关性融合，在 Set11/Urban100/CS-MRI 上全面超过现有 SOTA（Set11 平均 PSNR 比 USB-Net 高 0.45 dB）。
Beyond Strict Pairing: Arbitrarily Paired Training for High-Performance Infrared and Visible Image Fusion: 本文挑战红外可见光图像融合（IVIF）必须用"严格对齐配对数据"训练的惯例，提出任意配对训练范式（APTP）——把 \(N\) 对基础数据自由重组成 \(N^2\) 个跨模态对，配上一套自适应加权的像素级自监督损失，在仅 150 对、内容不一致的数据上训练，就能逼近用 100 倍数据严格配对训练的融合性能。
Beyond the Ground Truth: Enhanced Supervision for Image Restoration: 提出通过超分辨率+频域自适应混合来增强现有数据集中次优GT图像的感知质量，并训练轻量级ORNet精修模块，无需修改预训练修复模型即可提升输出的感知质量。
BHCast: Unlocking Black Hole Plasma Dynamics from a Single Blurry Image with Long-Term Forecasting: BHCast从单张模糊的EHT黑洞图像出发，通过U-Net动力学代理模型进行超分辨率+长期自回归预测（100步稳定），从预测的等离子体动力学中提取物理特征（旋转速度、螺旋角等），再通过XGBoost推断黑洞自旋和倾角，在真实M87*观测图像上也展示了有效性。
Bi-Bridge: Bidirectional Diffusion Bridges for Low-Light Image Enhancement: 把"低光→正常光"的增强和"正常光→低光"的退化塞进同一个对称扩散桥里、用一张共享 U-Net 同时学，靠这个双向一致性约束当隐式正则，让低光增强在保真度（PSNR/LPIPS）上显著超过现有 SOTA。
BiEvLight: Bi-level Learning of Task-Aware Event Refinement for Low-Light Image Enhancement: 针对事件相机辅助低光增强中"事件流被 BA 噪声污染、去噪与增强割裂"的痛点，BiEvLight 把事件去噪从静态预处理改写成受增强任务约束的双层优化问题，让下层增强的增益反馈去校准上层去噪，再配一个用图像梯度引导的空间自适应去噪先验，在真实噪声数据集 SDE 上平均涨 1.30dB PSNR / 0.047 SSIM。
BiProLoRA: Bilevel Prompt LoRA for Real Scene Recovery: 针对扩散大模型"训练于合成、泛化到真实"时退化严重的问题，BiProLoRA 先用自监督的分布保真学习把 VAE 自编码通路校准到真实退化分布，再把"LoRA 负责结构恢复、Prompt 负责退化感知调制"写成一个双层（超参数优化）问题联合训练，只用合成数据 10% 量级的真实数据就在低光/去雾/水下五个无参考指标上全面超过 SOTA。
Blink: Dynamic Visual Token Resolution for Enhanced Multimodal Understanding: 提出 Blink 框架，通过在 MLLM 不同 Transformer 层动态扩展和丢弃视觉 token（模拟人类"快速眨眼"式扫描），在单次前向传播中自适应增强视觉感知能力，在多个多模态基准上提升 LLaVA-1.5 性能。
BluRef: Unsupervised Image Deblurring with Dense-Matching References: 提出 BluRef，首个利用非配对参考清晰图像通过稠密匹配生成伪 ground truth 来训练去模糊网络的无监督框架，性能逼近甚至超越有监督方法。
Bridging Fidelity-Reality with Controllable One-Step Diffusion for Image Super-Resolution: CODSR 用一步扩散做真实场景超分：先按梯度图给纹理区"定点注噪"激活生成先验，再用未压缩的 LQ 特征调制 U-Net 中间层补回保真信息，最后用 Grounded-SAM2 的名词掩码约束 cross-attention 对齐文本，在四个真实数据集上同时拿到更好的感知质量和有竞争力的保真度。
Bridging Human Evaluation to Infrared and Visible Image Fusion: 针对红外-可见光图像融合（IVIF）长期只优化手工指标、与人眼审美脱节的问题，本文构建了首个大规模 IVIF 人类反馈数据集，训练了一个"融合导向奖励模型"来量化感知质量，再用 SAM 辅助的 GRPO 把融合网络对齐到人类偏好，在主流基准上取得 SOTA 且融合结果更"好看"。
Bridging the Perception Gap in Image Super-Resolution Evaluation: 通过大规模用户研究揭示现有 SR 评估指标（PSNR、SSIM、LPIPS 等）与人类感知严重不一致，分析其内在缺陷后提出极简但有效的 RQI（Relative Quality Index）框架，通过学习图像对之间的相对质量差异实现更可靠的 SR 评估，且可作为损失函数指导 SR 训练。
CanonCGT: Reference-Based Color Grading via Canonical Pivot Representation: CanonCGT 把"参考图调色"拆成两步——先用 canonicalizer 把输入图洗成一张"无风格"的中性图（canonical pivot），再用 grader 把参考图的色调贴上去；配合监督+自监督的双阶段训练（DP-CGT），在 6 个数据集上 PSNR 从次优的 18.62 拉到 28.99，明显更稳更自然。
CARD: Correlation Aware Restoration with Diffusion: CARD 把 DDRM 这套扩散逆问题求解器从「i.i.d. 高斯噪声」假设推广到真实传感器的「空间相关噪声」——先用协方差矩阵的逆平方根 \(\Sigma^{-1/2}\) 把观测白化成 i.i.d.，再在白化后的测量空间里跑 DDRM 的闭式更新，全程免训练，在合成相关噪声和作者新采集的真实 rolling-shutter 数据集 CIN-D 上的去噪/去模糊/超分都稳定超过现有方法。
CASR: A Robust Cyclic Framework for Arbitrary Large-Scale Super-Resolution with Distribution Alignment and Self-Similarity Awareness: CASR 把"任意大倍率超分"拆成一连串"始终落在训练分布内"的小倍率放大循环，用一个单模型反复迭代，并配两个模块（超像素结构对齐 SSAM 抑制循环中的分布漂移、自相似感知精修 SARM 保证分块重建的纹理一致），在 ×8~×30 极端放大下 LPIPS / MUSIQ 等感知指标大幅领先现有任意尺度方法。
ColorFLUX: A Structure-Color Decoupling Framework for Old Photo Colorization: ColorFLUX 把"保结构"和"补颜色"拆成相互冻结的两段训练，让生成扩散模型 FLUX 在不被结构任务干扰的前提下学到准确语义着色，再用一套由粗到细的渐进式 DPO 后训练修正老照片特有的褪色，在合成与真实老照片上都超过了现有开源/闭源商业上色模型。
Convexity-Aware Noise Calibration: A Self-Supervised Framework for Noise-Level-Unknown Image Denoising: 本文（CANC）发现"对含噪图再加合成噪声、跑 Noisier2Noise 校正"后，去噪输出的方差关于"合成噪声/真实噪声方差比 \(k\)"是一条凸曲线、且在 \(k=1\)（合成噪声恰好等于真实噪声）处取最小，于是用一个以合成噪声方差为条件的网络 + 三分搜索把这个最小点找出来，从而在没有干净图、不知道噪声水平的前提下精确估计噪声 \(\sigma_N\)，再用估计值合成监督训练对，让自监督去噪逼平甚至略超"已知噪声水平"的监督模型。
Customized Fusion: A Closed-Loop Dynamic Network for Adaptive Multi-Task-Aware Infrared-Visible Image Fusion: 提出闭环动态网络 CLDyN，让一个冻结的融合网络在不重训的前提下，通过一个仅 0.46M 参数的"需求驱动语义补偿（RSC）"模块接收下游任务（检测/分割/显著性）反馈的语义特征、动态定制卷积结构来做任务专属补偿，从而用一套模块同时适配多个任务，在 M3FD/FMB/VT5000 上既保住融合质量又取得领先的多任务适应性。
Degradation-Consistent Test-Time Adaptation for All-in-One Image Restoration: 针对全能图像复原（AiOIR）模型在测试退化分布偏离训练分布时性能骤降的问题，本文提出 DCTTA：在测试时用扩散退化生成器把"伪干净图→退化图"的过程学出来，构造"退化–再退化"自监督对，靠复原一致性在线微调模型，并只更新退化敏感参数以稳住预训练知识，在 Rain100H 上单数据集最高带来 +4.57 dB PSNR。
Degradation-Robust Fusion: An Efficient Degradation-Aware Diffusion Framework for Multimodal Image Fusion in Arbitrary Degradation Scenarios: 针对真实场景里源图普遍带噪声/模糊/低分辨率的多模态图像融合，本文把扩散模型从"显式预测噪声"改成"直接回归融合图"，并在 DDIM 采样里插入一个把两路退化约束和融合约束写进同一块矩阵的"联合观测校正"步骤，从而在少数几步采样内同时完成复原与融合，在 M3FD 和 Harvard 数据集的多种退化场景下显著超过"先复原再融合"的级联方案。
DetectSCI: Toward Object-Guided ROI Reconstruction for High-Resolution Video Snapshot Compressive Imaging: 针对高分辨率视频快照压缩成像（SCI）"全帧重建太耗显存、背景占大头却没信息"的痛点，DetectSCI 提出直接在编码测量上做目标检测、再按检测框只重建感兴趣区域（ROI）的工作流，其检测器用权重共享的 Mamba-Implicit 模块抗时空混叠、用 Frequency Mamba 找回被压制的高频细节，在 SportsMOT 改造的 SCI 数据集上拿到 80.9 AP，超过最好的 CNN 检测器 ≥2.8 AP、最好的 Transformer 检测器 ≥4.1 AP。
PNG: Diffusion-Based sRGB Real Noise Generation via Prompt-Driven Noise Representation Learning: PNG提出用可学习的Global/Local Prompt组件从真实噪声中自动提取噪声特征（替代ISO/相机型号等metadata），通过Prompt AutoEncoder编码噪声到latent空间+Prompt DiT（基于一致性模型）一步生成latent code，实现无需任何metadata的真实sRGB噪声合成，下游DnCNN去噪在SIDD上仅落后真实数据0.08dB。
Disentangled Textual Priors for Diffusion-based Image Super-Resolution: 提出 DTPSR，通过将文本先验沿空间层级（全局/局部）和频率语义（低频/高频）两个维度解耦，构建解耦的跨注意力注入管线和多分支 CFG 策略，实现感知质量优越的扩散超分辨率。
Disentanglement-wise Image Dehazing through Cross-Domain Manifold Consensus: 本文把"不同感知域（空间/频率/非局部/扩散/压缩感知）的雾图特征其实共享同一个散射语义核"这个假设落地成一个跨域不变流形 CIM，用共识密度驱动的对比学习把多域特征对齐到统一隐空间，再叠一条物理引导的 HSV 解耦网络专门拆解雾导致的颜色通道耦合，从而同时解决"误判雾特征"和"颜色失真"两大顽疾，在多个真实/合成基准上达到 SOTA 且推理最快（0.062s）。
DNF-SR: Dual-Input and Negative-Aware Feature Fine-Tuning for Real-World Image Super-Resolution: DNF-SR 把"带噪 LR + 原始 LR"双路喂进一个图像编辑扩散模型（Flux-Kontext）在中间时间步做单步超分，再用一种把偏好优化从隐空间搬到图像/特征空间的负样本感知微调（NF²T）做后训练，在四个真实超分基准的无参考指标上全面领先。
DreamSR: Towards Ultra-High-Resolution Image Super-Resolution via a Receptive-Field Enhanced Diffusion Transformer: DreamSR 用一个"全局 + 局部"双分支的 MM-ControlNet 给基于 FLUX(DiT) 的超分模型注入 patch 级文本提示，配合一步去退化 LoRA 和感受野增强训练，专门解决超高清(≥4K)图像分块推理时"全局 prompt 和局部 patch 语义错配导致的过度生成 (over-generation)"，在多个真实数据集的无参考指标上达到 SOTA。
DRFusion: Degradation-Robust Fusion via Degradation-Aware Diffusion Framework: 提出退化感知扩散框架 DRFusion，通过直接回归融合图像（而非显式预测噪声）和联合观测模型校正机制，在少量扩散步骤内实现任意退化场景下的多模态图像融合。
Dual Graph Regularized Deep Unfolding Network for Guided Depth Map Super-resolution: 本文提出 LapNet，把"行/列双图拉普拉斯先验 + 深度隐式先验"写进一个统一变分模型，用 ADMM 推出闭式更新后展开成可解释的多阶段网络，在把图构造复杂度从 \(O(H^3W^3)\) 压到 \(O(H^3+W^3)\) 的同时，以 3.84M 参数刷到引导深度超分（GDSR）的 SOTA。
Dynamic Exposure Burst Image Restoration: DEBIR 第一次把"为每张连拍帧预测最优曝光时间"作为一个可学习模块塞进 burst 复原流程：用 BAENet 根据预览图、增益和运动幅度预测每帧曝光时间，再用一个对曝光时间可微的 burst 仿真器把它和复原网络端到端连起来训练，在低光场景下复原 PSNR 比固定曝光档位高 0.28 dB，并在真实双相机系统上验证有效。
Edit-aware RAW Reconstruction: 针对"RAW 重建的真实目的是后期编辑、而现有方法只优化逐像素 RAW 保真度"的错配，本文提出一个即插即用的 edit-aware loss——用一个可微、模块化、参数随机采样的简化 ISP 把真值 RAW 与重建 RAW 都渲染到 sRGB 再算误差，使重建结果在各种渲染风格/编辑下更鲁棒，在多种编辑条件下 sRGB PSNR 提升最高 1.5–2 dB。
Efficient INT8 Single-Image Super-Resolution via Deployment-Aware Quantization and Teacher-Guided Training: 针对手机 NPU 上的 \(\times 3\) 单图超分，本文用「LR 空间 MobileOne 重参数化骨干 + 三阶段教师引导训练 + 先融合再 QAT」的部署导向流水线，在 MAI 2026 量化超分挑战赛上以 82K 参数拿到 INT8 29.79 dB / 0.8634 SSIM、final score 1.8。
Efficient Real-Time Raw-to-Raw Denoising for Extreme Low-Light Ultra HD Video on Mobile Devices: 针对手机在 <1lx 极暗光下拍 4K/8K 视频噪声大、又必须满足 <33ms 延迟和 <250mA 功耗的难题，三星这篇论文给出一套从「混合数据集构建 → 轻量 mRLFB 去噪网络 → 蒸馏/重参数化/量化部署优化」的端到端工程方案，做出一个能直接插进商用 ISP 管线（raw 进 raw 出、保留 CFA）的实时去噪器，在骁龙 NPU 上 4K@30fps 运行，PSNR 与重型 SOTA 持平但延迟/功耗低一个数量级。
EMR-Diff: Edge-aware Multimodal Residual Diffusion Model for Hyperspectral Image Super-resolution: EMR-Diff 把"低分辨高光谱图 + 高分辨多光谱图"融合成"高分辨高光谱图"的任务重写成一个扩散过程：让马尔可夫链的起点和终点之间传递的不再是纯高斯噪声而是多模态残差（把采样步数从上千步压到 5 步），再用 HR-MSI 的边缘信息调制噪声让模型专注重建高频细节，配合双路 BAF-UNet，在 ICVL/Harvard/Chikusei 三个数据集的 PSNR、SAM 等指标上全面超过 10 个 SOTA。
Enhancing Unregistered Hyperspectral Image Super-Resolution via Unmixing-based Abundance Fusion Learning: 针对"低分辨率高光谱图 + 一张未配准高分辨率参考图"的超分任务，本文用光谱解混把空间和光谱信息解耦，让网络只去增强解混出的丰度图（而非直接做易受错位干扰的空谱耦合融合），再配合由粗到细的可变形聚合、空间-通道丰度交叉注意力和调制融合模块，在 ICVL/REAL 数据集上以约一半参数量刷出 SOTA（×4 上 PSNR 41.84/42.05 dB）。
Event-Based Motion Deblurring Using Task-Oriented 3D Gaussian Event Representations: 针对现有事件去模糊普遍使用「固定权重核」把稀疏事件聚合成事件帧、无法适配局部运动快慢差异的问题，本文提出一个可学习的 3D 高斯事件表示：根据模糊图内容与事件密度自适应采样关键时空坐标、用 3D 高斯核加权聚合事件，再配一个两阶段融合网络（局部细节增强 + 1D 高斯全局对齐），在 GoPro/HS-ERGB/REBlur 三个数据集上 PSNR 全面超越 SOTA。
Event-Illumination Collaborative Low-light Image Enhancement with a High-resolution Real-world Dataset: EIC-LIE 让事件信号（提供 HDR 细节）和图像光照先验（提供全局亮度）通过一个"前向汇聚 + 反向注入、复用注意力矩阵"的双向交互模块协同增强，再用图像亮度统计驱动一个动态事件滤波器压噪声，并配套了首个 1024×768 高分辨率真实事件低光数据集 RLE，在五个数据集上 PSNR 最高超 SOTA 1.24dB。
EVLF: Early Vision-Language Fusion for Generative Dataset Distillation: 提出 EVLF，一种在编码器-骨干网络接口处进行视觉-语言早期融合的即插即用方法，解决了扩散模型数据集蒸馏中晚期语义注入导致的文本过度主导和视觉保真度下降问题。
ExpoCM: Exposure-Aware One-Step Generative Single-Image HDR Reconstruction: ExpoCM 把单图 HDR 重建建模成一个曝光感知的一致性模型轨迹：先用软曝光掩码把 LDR 分成过曝/欠曝/正常三类区域，对每类区域设计不同的 PF-ODE 一致性轨迹（过曝纯噪声幻想细节、欠曝注入低频先验、正常区直接用输入），再配一个在 CIE L*a*b* 空间按曝光加权的亮度-色度损失，从而无需蒸馏、单步推理就拿到 SOTA 保真度，且比 DDPM 快 400 倍以上。
F²HDR: Two-Stage HDR Video Reconstruction via Flow Adapter and Physical Motion Modeling: 提出 F²HDR，一个两阶段 HDR 视频重建框架，通过 Flow Adapter 将通用预训练光流适配到交替曝光场景以实现鲁棒对齐，并利用物理运动建模从光流中提取连续运动掩码来引导第二阶段的伪影消除，在真实 HDR 视频基准上达到 SOTA。
FAPE-IR: Frequency-Aware Planning and Execution Framework for All-in-One Image Restoration: FAPE-IR 用一个冻结的多模态大模型（Qwen2.5-VL）当"规划器"读懂退化图像、生成频率感知的恢复计划，再用扩散执行器里的 LoRA-MoE 按计划动态调度高/低频专家来修图，配合对抗训练和频率正则，在七类恢复任务上拿到 SOTA 并对未见的复合退化有强零样本泛化。
FiDeSR: High-Fidelity and Detail-Preserving One-Step Diffusion Super-Resolution: 提出 FiDeSR，一种高保真和细节保持的单步扩散超分框架，通过细节感知加权（DAW）、隐空间残差精炼块（LRRB）和潜在频率注入模块（LFIM）三个互补组件，同时解决单步扩散超分中的结构保真度退化和高频细节恢复不足问题。
FinPercep-RM: A Fine-grained Reward Model and Co-evolutionary Curriculum for RL-based Real-world Super-Resolution: 提出细粒度感知奖励模型 FinPercep-RM 和协同进化课程学习（CCL）策略，解决 RLHF 应用于真实世界超分辨率时的奖励黑客和训练不稳定问题，通过同时输出全局质量分数和空间退化热力图实现局部缺陷感知。
FoundIR-v2: Optimizing Pre-Training Data Mixtures for Image Restoration Foundation Model: FoundIR-v2 发现「不同恢复任务的训练数据混合比例」本身就是决定 all-in-one 图像恢复性能的关键变量，于是用一套「数据均衡调度（动态调比例）+ MoE 驱动的扩散调度器（动态分配任务自适应生成先验）」的双调度方案在 SDXL 上做生成式预训练，单模型覆盖 50+ 子任务并在多基准上超过现有 SOTA。
From Events to Clarity: The Event-Guided Diffusion Framework for Dehazing: EvDehaze 首次把事件相机引入去雾任务，将去雾重新建模成「以事件为条件的图像生成」，在隐空间 DDIM 扩散里通过交叉注意力注入事件的高动态范围边缘/对比度线索，在无需真实成对数据监督的情况下生成更真实清晰的去雾图，并附带首个真实雾天 RGB-事件无人机数据集。
Gaussian Splatting-based Low-Rank Tensor Representation for Multi-Dimensional Image Recovery: 把 3D 重建里的高斯泼溅搬进 t-SVD：用 2D 高斯泼溅生成隐张量、1D 高斯泼溅生成变换矩阵，得到一种连续、紧凑、擅长刻画局部高频细节的低秩张量表示 GSLR，并据此搭一个无监督的多维图像恢复模型，在随机/管状/切片三种缺失下的 PSNR/SSIM 全面超过 SOTA。
GDPO-SR: Group Direct Preference Optimization for One-Step Generative Image Super-Resolution: 针对一步扩散超分（one-step Real-ISR）确定性输出导致无法做偏好优化的问题，本文先用"可控噪声注入 + 不等时间步"让一步模型生成多样化候选，再把 DPO 的像素级约束与 GRPO 的组内相对优势融合成 GDPO，并配一个按图像平滑/纹理占比动态加权的奖励函数，在不增加任何推理开销的前提下同时提升保真度和感知质量。
GSNR: Graph Smooth Null-Space Representation for Inverse Problems: 提出图平滑零空间表示（GSNR），通过谱图理论构建零空间受限拉普拉斯矩阵并选择最平滑的 p 个谱模式作为零空间投影基，为 PnP、DIP 和扩散模型等逆问题求解器提供结构化的零空间约束，在去模糊、压缩感知、去马赛克和超分辨率上提升高达 4.3dB PSNR。
Gyro-based Deep Video Deblurring: GyroDVD 是第一个面向「陀螺仪辅助视频去模糊」的学习式框架：它用一个分解式相机运动模型把每个像素的运动拆成旋转（陀螺仪测）和平移（光流估）两部分，据此构造逐像素模糊核，再用核引导的图像编码器 + 视频解码器把模糊视频还原成清晰视频，在自建的大规模真实数据集 GyroVD 上显著超过此前所有陀螺仪图像/视频去模糊方法。
HFR and HDR Video from Multi-Attenuated Spikes Using a Rapidly Rotating SpokeND Filter: 在脉冲（spike）相机前架一片高速旋转的镂空式中性密度滤光片（SpokeND），让每个像素周期性地以多档衰减采样光强，再用两阶段的 ReST-Net（ReGain 去空间衰减 + ReFine 去时间闪烁）从这些「多衰减脉冲」里重建出最高 2000 FPS 的高帧率（HFR）兼高动态范围（HDR）视频。
Human-Centric Multi-Exposure Fusion: Benchmark and Bi-level Cognition Distillation Framework: 本文把人类脑电（EEG）认知信号引入多曝光融合（MEF）：先构建首个 MEF-EEG 配对数据集 Cog-Expo，再用「双层优化」把一个受脑电引导的 Teacher 的认知知识蒸馏给一个只用图像、推理时无需脑电的 Student，在 MEF 基准上达到 SOTA 且融合结果更贴合人眼感知。
Hybrid Agents for Image Restoration: 针对真实图像恢复中「外行不会选工具」和「逐个去退化会误差传播」两个痛点，提出 HybridAgent——用「快/慢/反馈」三个智能体协同调度，配合一套三阶段训练得到的单退化 + 混合退化恢复工具，让简单指令走轻量快路、复杂退化走 MLLM 慢路并闭环反馈，从而又快又稳地完成自动图像恢复。
IAFMNet: Information-Aware Feature Modulation for Efficient Super-Resolution: IAFMNet 把"图像不同区域信息量不均"这件事用信息论量化成一张信息密度图（IDM），再用它驱动一个稀疏卷积 + 仿射调制的双分支网络，把算力集中投到纹理/边缘等"难重建、信息密集"的区域，在更低 FLOPs 下取得比同量级高效超分方法更好的重建质量。
IFCSR: Inference-Free Fidelity-Realism Control for One-Step Diffusion-based Real-World Image Super-Resolution: IFCSR 让"调保真度 vs 真实感"这件事从扩散模型的隐空间搬到图像空间——先用两个专精网络分别推一张保真图和一张真实感图，之后用户只需调一个参数 \(\gamma\) 在图像空间线性混合两图，不需要任何额外网络推理就能在保真-真实谱上任意滑动。
InstantRetouch: Efficient and High-Fidelity Instruction-Guided Image Retouching with Bilateral Space: InstantRetouch 把语言引导的照片修图从"直接编辑像素/latent"换成"在紧凑、内容解耦的双边空间里只预测一套仿射变换网格"，再用变分分数蒸馏把多步扩散教师蒸馏成单步生成器，从而在 4K 上做到 68ms 出图、比扩散基线快 70–900 倍，同时几乎不改动原图内容（无 content drift）。
Flickerformer: A Duet of Periodicity and Directionality for Burst Flicker Removal: 揭示闪烁伪影具有周期性和方向性两个内在物理特性，设计Flickerformer三模块（PFM/AFFN/WDAM）分别针对帧间/帧内周期性和方向性建模，以3.92M参数量在BurstDeflicker基准上达到31.226dB PSNR，超越第二名AST +0.580dB且仅用其19.70%参数。
Language-Guided One-Step Diffusion Model for Nighttime Flare Removal: 针对"夜间强光源造成的炫光会遮挡局部区域、现有方法缺乏被遮挡区的语义先验因而补出伪影/丢细节"的痛点，本文做了首个炫光专用视觉语言模型 Flare-VLM 输出结构化炫光描述、用它引导一步扩散在单次前向里重建严重受损区，并提出语义感知分布蒸馏（SADD）把噪声集中到炫光区、配合指令驱动的数据合成管线生成更贴近真实的训练数据，在恢复质量与下游检测上都优于现有方法。
Learned Image Compression via Sparse Attention and Adaptive Frequency: SAAF 用一条"空间-频率双路"变换网络做学习式图像压缩：空间路用稀疏窗口注意力（CSWA）以极少全局 token 高效建模长程依赖，频率路用内容自适应的频率重加权（AFB）替代固定小波变换，再加一个只在训练期生效的去噪正则（DaR）让潜空间更平滑，最终在 Kodak/CLIC/Tecnick 上同时拿到最优 BD-rate 和最低延迟（67 ms）。
Learning Personalized Photographic Style from Pairwise User Preferences: 这篇论文把「从用户的成对偏好判断中学个性化色调审美、再把它应用到任意新照片上」定义成一个新任务 PPS（Personalized Photographic Style），并配套交付了一个 767 人、约 6 万条偏好判断的大规模数据集 PPSD、三种可行的基线模型，以及一个专门衡量「保真度 + 偏好对齐」的评估指标 CQS，证明从纯比较信号里学个人审美是可行的。
Learning to Translate Noise for Robust Image Denoising: 提出噪声翻译框架，通过轻量级噪声翻译网络将未知真实噪声转换为高斯噪声，再由预训练的高斯去噪网络处理，在 OOD 真实噪声基准上平均 PSNR 提升 1.5dB 以上，且翻译网络仅 0.29M 参数、可跨去噪器迁移。
LF-BVN: Blind-View Network for Self-Supervised Light Field Denoising: 把单图去噪里的「盲点（blind-spot）」思想推广到光场的「盲视点（blind-view）」——遮住一部分视点、用其它视点的多视角一致性来重建它们，从而无需任何干净图像就能训练，并靠几何不变掩膜让一张权重共享网络去噪全部视点，在合成、真实和显微光场上都达到或超过监督方法。
LightRR: A Lightweight Network for Single Image Reflection Removal: 针对单图反射去除（SIRR）模型又大又慢的问题，LightRR 用小波分频把反射主要集中的低频交给 Mamba 状态空间模型重点处理、高频走轻量旁路无损保留，再用知识蒸馏让小编码器在训练时偷师大预训练模型、推理时丢弃，最终只用 RDNet 的 3.01% 参数和 5.22% FLOPs 就拿到接近 SOTA 的去反射效果。
Low-Rank Residual Diffusion Models: LRDM 发现"近域图像恢复"（去雨/去模糊/去阴影等源域与目标域已高度相似的任务）里，退化残差天然是低秩的，于是把扩散的前向过程约束在低秩残差子空间、反向过程保持全秩，并按时间步自适应调整秩，从理论上收紧变分下界、用更少采样步换来更好的恢复保真度。
LRHDR: Learning Representation-enhanced HDR Video Reconstruction: LRHDR 用交替曝光的 LDR 视频帧重建 HDR 视频，把"先对齐再融合"的传统范式换成"映射到统一表征再投票融合"：通过 ACCR 网络把不同曝光的特征经逐像素仿射调制对齐到一个曝光无关的统一表征域，再由 APSWF 把融合改写成逐像素稀疏候选选择，在两曝光/三曝光设置下都取得了 PSNR/SSIM 的 SOTA。
MMDIR: Multimodal Instruction-Driven Framework for Mixed-Degradation Document Image Restoration: MMDIR 把"用文字指令问模型这张文档图里有没有/有哪些退化"这件事塞进文档复原流程：一张退化文档图配一条文本指令，经视觉编码器和 LLM 联合处理后，LLM 先输出"哪几种退化存在"的诊断文本，再用这段语义特征去引导视觉解码器做有针对性的复原，从而在不依赖退化先验、不为每种退化单独训模型的前提下，统一处理模糊、阴影、文字水印、印章四类混合且不确定的退化。
More Than Meets the Eye: A Unified Image Fusion Framework via Semantic-Pixel Entropy Trade-off for Zero-Shot Generalization: 把图像融合重新表述成自由能最小化问题——感知路径压低"语义熵"、重建路径抬高"像素熵"——只用红外-可见光这一种数据训练，就能零样本泛化到医学、多焦点、多曝光等没见过的融合任务，同时显著提升下游检测/分割性能。
MAD-Avatar: Motion-Aware Animatable Gaussian Avatars Deblurring: 首次实现从模糊视频直接重建清晰可驱动3D高斯人体avatar：提出3D感知的物理模糊形成模型(将模糊分解为子帧SMPL运动+canonical 3DGS)，用B-spline插值+位姿变形网络建模子帧运动，帧间正则化解决运动方向歧义，在合成和真实数据集上大幅超越"2D去模糊+3DGS"两阶段方案(PSNR提升约2.5dB)。
MR. Illuminate: Zero-Shot Low-Light Image Enhancement with Diffusion Prior: MR. Illuminate 用一个完全冻结、零训练、零优化的预训练扩散模型（SD v1.5）做低光增强：先把输入做 DDIM 反演，再用 AdaIN 把反演潜变量的统计量对齐到模型期望的标准正态分布完成全局亮度/色彩矫正（Modulate），同时把反演阶段记录的自注意力特征注入采样阶段以恢复局部结构与色彩（Refine），全程不用任何辅助损失、退化假设或调参，就能在标准低光基准上超过 SOTA、并保持同场景不同光照下的色彩恒常性。
Multi-Scale Gradient-Guided Unrolling Architecture with Adaptive Mamba for Compressive Sensing: MambaCS 把经典近端梯度下降（PGD）算法在多个特征尺度上展开成一个 U 形深度网络，用定制的自适应状态空间块（A-SSB）替换传统展开网络里的卷积/Transformer 模块，并重新设计梯度注入（HDGF）与近端算子（FAPO），在多个压缩感知重建数据集上以相近参数量取得 SOTA 的 PSNR/SSIM。
Multinex: Lightweight Low-light Image Enhancement via Multi-prior Retinex: Multinex 把 Retinex 分解从「重建目标」改写成「加性残差先验」，再用一组解析计算出的多视角亮度/色度先验喂给两个超轻量融合网络，只用 45K（甚至 0.7K）参数就在 7 个低光基准上把同量级轻量 SOTA 全面压过、逼近百万级大模型。
NEC-Diff: Noise-Robust Event–RAW Complementary Diffusion for Seeing Motion in Extreme Darkness: 提出 NEC-Diff，一个基于扩散模型的事件-RAW 混合成像框架，利用 RAW 图像的光照先验引导事件去噪、事件的高动态范围边缘辅助图像去噪，结合双模态 SNR 引导的可靠信息提取和交叉模态注意力扩散，在极暗环境下（0.001-0.8 lux）实现高质量动态场景重建，PSNR 达 24.51 dB（REAL 数据集）。
Next-Scale Prediction: A Self-Supervised Approach for Real-World Image Denoising: NSP 借鉴视觉自回归的「下一尺度预测」，让盲点网络（BSN）以大下采样因子得到的低分辨率、已解相关子图为输入、去预测小下采样因子对应的高分辨率、保细节目标，从而把「噪声解相关」和「细节保留」这对长期对抗的目标在不同尺度上各自解决，在真实去噪基准上刷到自监督 SOTA，还顺带白送一个噪声图超分能力。
One-Shot Flow, Any-Time Frame: A Bidirectional Warping Framework for Event-Based Video Frame Interpolation: 针对事件相机视频插帧（E-VFI）中「前向 warping 快但有空洞、后向 warping 质量高但每帧都要重算」的两难，本文提出「One-Shot Flow, Any-Time Frame」：用一次前向计算得到覆盖整段时间的双向运动表示，任意时刻的光流可直接查询，再用带显式修复掩码的双向 warping 融合两种方向的优势，在合成与真实数据集上同时刷新了重建质量与推理效率（GOPRO Skip 15 PSNR 36.90，127 帧插值显存仅 7.27GB 而 TLXNet 直接 OOM）。
One-Step Diffusion Transformer for Controllable Real-World Image Super-Resolution: 基于 Qwen-Image 的一步式扩散 Transformer（ODTSR），用「噪声混合视觉流」让保真度和提示可控性可以同时拿到、并由一个保真度权重 \(f\) 连续调节，再配合「保真度感知对抗训练」把多步去噪压成单步推理，在通用真实超分和中英文文字图超分上都达到 SOTA。
Outlier-Robust Diffusion Solvers for Inverse Problems: 针对真实测量中常见的离群值（outlier），本文给基于预训练扩散模型的逆问题求解器加了两道保险——先用显式噪声估计精炼测量，再把数据保真项从平方 \(\ell_2\) 换成 Huber 损失的迭代重加权最小二乘，并分别用梯度下降（Robust-GD）和共轭梯度（Robust-CG）求解，在超分/修复/去模糊等线性与非线性任务上对离群污染显著比 DPS、DAPS 等近期方法更稳。
Perceptual Neural Video Compression with Color Separation and Rank Chain: 针对现有神经视频压缩只追 PSNR、忽视人眼对亮度/色度感知差异、且可变码率下感知质量不一致两个问题，本文用「亮度-色度分离的双编解码框架（PNVC-C）」+「码率秩链对抗优化（Rc-GAN）」组合出 PNVC-CR，在 LPIPS / DISTS / KID / FID 等感知指标上相对 VTM 取得 77.71% / 53.94% / 54.44% / 42.27% 的 BD-rate 节省，同时仍保留客观保真度。
PhaSR: Generalized Image Shadow Removal with Physically Aligned Priors: 提出PhaSR框架，通过双层物理先验对齐——全局级的PAN执行无参数Retinex分解抑制色彩偏差、局部级的GSRA利用差分注意力对齐DepthAnything深度先验和DINO-v2语义嵌入——实现从单光源直射阴影到多光源环境光场景的泛化阴影去除，在WSRD+和Ambient6K上达到SOTA且FLOPs最低。
Physics-Guided Multistep Deformation Reversal for Ancient Bamboo Slip Restoration: 针对出土古竹简因脱水应力产生的复杂非线性形变，本文用木材流变学建立一套可计算的"前向物理形变引擎"无配对地造数据，再训一个 ControlPointUNet 逐步预测逆向位移场把竹简一步步"拗"回原状，在文字保真度（TRQ）与形变物理合理性（DCI）上显著超过 CycleGAN / DewarpNet / DDRM 等数据驱动方法。
PnP-CM: Consistency Models as Plug-and-Play Priors for Inverse Problems: 把一致性模型（consistency model, CM）重新解释成"先验的近端算子"，塞进 ADMM 形式的即插即用（PnP）框架，再用噪声注入和动量两招把迭代压到 2–4 个神经网络评估（NFE），就能统一求解线性/非线性逆问题，并首次把 CM 训练应用到 MRI 重建。
Polarization State Tracing for Reflection Removal and Color-Consistent Reconstruction: 针对"透过彩色玻璃拍照会出现重影 + 颜色偏色"这一被忽视的退化问题，本文首次把偏振成像理论引入建模，提出物理成像模型 PSTM（追踪偏振光多路径传播 + 波长选择性吸收）并据此设计带 Channel Ring Attention 的偏振感知网络 PANet，在自建真实数据集 GlassPol 上比现有 SOTA 最高提升约 3dB PSNR，同时恢复出颜色保真的透射场景。
PS-SR: Pseudo-Single-Step Video Super-Resolution via Speculative Diffusion: PS-SR 把一个昂贵的多步扩散超分拆成「强 base 模型走 1 步 + 轻量 draft 模型推测式走 T−1 步」的非对称采样，再用频域更新规则强制后续步只注入高频细节、不动低频结构，从而在接近单步模型的速度下拿到多步扩散的画质与细节。
RADAR: VQ-VAE Decoder of VAR is a Good Student for Restoring Against Degradation by Acceleration: 针对视觉自回归（VAR）模型加速后隐表示退化、图像质量下降的问题，本文提出两段式框架 RADAR：先用语义代价感知掩码（SCA-Mask）把注意力剪枝转成"预算约束下保留最多语义信息"的优化问题，再用后加速适配（PAA）——只给 VQ-VAE 解码器挂一个 LoRA、用未加速分支做教师做内部知识蒸馏，把退化的隐表示重新还原成高保真图像；在 ImageNet-1K 上实现约 1.6–1.9× 提速且 FID 几乎无损（VAR-d20 从退化的 5.02 复原到 2.68，原始为 2.61）。
RAR: Restore, Assess, Repeat - A Unified Framework for Iterative Image Restoration: RAR 将图像质量评估（IQA）与图像修复（IR）深度集成为统一端到端模型，在潜在空间中迭代执行"评估-修复-验证"循环，在复合退化场景下 PSNR 提升 +2.71 dB 且速度比 AgenticIR 快 11.27×。
RAW-Domain Degradation Models for Realistic Smartphone Super-Resolution: 证明了精心设计的设备特定退化建模（通过标定获取真实的 blur 和 noise 参数）可以显著提升手机超分辨率的真实场景性能——通过将公开渲染图像 unprocess 到不同手机的 RAW 域生成高低分辨率训练对，训练的 SR 模型在保留设备的真实数据上明显优于使用大量任意退化组合训练的基线。
RawMetaDiff: Unlocking Extreme Darkness from Dual-Exposure RAW with Meta-Guided Diffusion: RawMetaDiff 把"对齐短/长曝光帧"这个脆弱的显式配准问题重写成"条件生成"问题——以噪声短曝光 RAW 作为扩散初始化，用可能错位的长曝光 RAW 作参考、并由 RAW 元数据（ISO/CCM/曝光）引导一步式潜空间扩散，借 MACT 做全局颜色迁移、MNCA 做阴影细节注入，在合成与真实数据上 LPIPS 提升 33%、真实数据 DeQA 涨 15%。
Real-Time Neural Video Compression with Unified Intra and Inter Coding: 针对实时神经视频压缩（如 DCVC-RT）在场景切换/新内容处帧内编码能力弱、必须靠"周期刷新"硬切导致质量骤降、比特率突刺和帧间误差累积的问题，本文用"单模型统一帧内/帧间编码 + 同时压缩两帧 + 混合参考训练"，让模型按参考可靠性自适应在帧内/帧间间切换，在 DCVC-RT 基础上平均省码率 12.1%（BD-rate），且保持实时编解码、模型更小、无需刷新机制。
Toward Real-world Infrared Image Super-Resolution: A Unified Autoregressive Framework and Benchmark Dataset: 提出 Real-IISR 统一自回归框架，通过热-结构引导模块、条件自适应码本和热序一致性损失解决真实红外图像超分辨率的特有挑战，并构建了 FLIR-IISR 数据集（1457 对真实 LR-HR 红外图像）。
Reflection Separation from a Single Image via Joint Latent Diffusion: 针对单张图在强眩光、弱反射等极端场景下难以同时还原透射层和反射层的问题，本文微调一个潜扩散模型，用统一模型加「Transmission / Reflection」提示词同时生成两层，配合跨层自注意力、解耦采样和测试时潜空间合成优化，在多个真实基准上把透射和反射的分离质量都刷到 SOTA（Real20 PSNR 25.32、反射层 LPIPS 从 0.52 降到 0.37）。
ReflexSplit: Single Image Reflection Separation via Layer Fusion-Separation: ReflexSplit提出一种显式层融合-分离框架，通过跨尺度门控融合(CrGF)自适应聚合多尺度特征，层融合-分离模块(LFSB)中的差分双维度注意力 \(\mathbf{A}^t - \lambda_\ell \mathbf{A}^r\) 进行跨流干扰抑制，配合深度依赖初始化+epoch-wise warmup的课程训练，在合成和真实世界反射分离基准上取得SOTA。
RegionFuse: Region-Adaptive Pixel Distribution Learning for Infrared and Visible Image Fusion: RegionFuse 把红外-可见光图像融合（IVIF）的融合权重从「全图统一」细化到「按局部像素分布逐区域自适应」：用一个区域级的混合专家注意力（MoRA）把不同像素分布的区域分派给不同的掩码注意力专家、再用区域特征压缩模块（RFCM）增强有效区域、抑制冗余，在四个 IVIF 基准上拿到 SOTA，且对过/欠曝这类非均匀光照尤其鲁棒。
Residual Diffusion Bridge Model for Image Restoration: 本文把扩散桥重新推导成由「均值回归 OU 过程 + Doob h-变换」统一刻画的随机插值，并用配对图像的残差 \(\boldsymbol{\pi}=\mathbf{x}_0-\boldsymbol{\mu}\) 去调制噪声的注入与去除，让模型只在退化区域施加扰动、保护干净区域不被反复重建，从而在去雨/低光/去雪/去雾/去模糊五类通用恢复任务上平均涨 1.55 dB PSNR，同时把现有各种桥模型证明为本框架的特例。
Restore Text First, Enhance Image Later: Two-Stage Scene Text Image Super-Resolution with Glyph Structure Guidance: TiGeSR 用"先修字、后修图"的两阶段范式把场景文字超分中"图像质量"与"文字可读性"的固有取舍拆开：先用扩散模型在文字区域重建精确字形结构，再把这些字形作为条件注入 ControlNet 做全图超分，并配套发布了首个最大变焦 ×14.29 的中文场景文字数据集 UZ-ST，在 Real-CE 与 UZ-ST 上的图像质量与 OCR 准确率都拿到 SOTA。
Rethinking Diffusion Model-Based Video Super-Resolution: Leveraging Dense Guidance from Aligned Features: DGAF-VSR 重新审视扩散视频超分里"对齐 + 补偿"的作用，先用量化实验得出两条观察——特征域比像素域时空相关性更强、在高分辨率上 warping 更能保住高频，再据此设计在特征域做"上采样-warp-下采样"对齐的 OGWM 模块和用完整 U-Net 做稠密时序引导的 FTCM 模块，在感知质量、保真度、时序一致性三方面同时刷过 SOTA（DISTS −35.82%、PSNR +0.20dB、tLPIPS −30.37%）。
Retrieve-to-Restore: Efficient All-in-One Image Restoration with a Retrieval-Based Degradation Bank: R2R 把"退化适配"从骨干网络里抽出来，外置成一个可检索的"退化银行"——训练期用退化融合器把各类退化的干净先验蒸馏进银行，推理期用退化匹配检索最相关的先验来调制特征，从而在单一轻量骨干上稳定处理多种退化，PSNR 与 SOTA 持平却只用约 9% 的算力。
SAT: Selective Aggregation Transformer for Image Super-Resolution: 提出选择性聚合 Transformer (SAT)，通过密度驱动 token 聚合将 Key-Value 矩阵 token 数减少 97%、保持 Query 全分辨率，实现高效全局注意力建模，超越 SOTA PFT 达 0.22dB 且 FLOPs 降低 27%。
Scan Clusters, Not Pixels: A Cluster-Centric Paradigm for Efficient Ultra-high-definition Image Restoration: 针对超高清（4K）图像恢复中 Mamba 仍要逐像素扫描、显存爆炸的瓶颈，C2SSM 把"逐像素扫描"改成"逐聚类中心扫描"——先用一个神经参数化的混合分布把上百万像素蒸馏成几个语义质心，只对质心跑 Mamba，再把全局上下文按相似度分布扩散回所有像素，从而在五项 UHD 恢复任务上同时拿下 SOTA 和最低 FLOPs（0.407G）。
SDUIE: Semi-Supervised Diffusion for Underwater Image Enhancement with Quant-Text Dual Control: 针对水下图像增强里"每个人对增强程度偏好不同、但现有方法只能输出固定结果"的痛点，SDUIE 用一个半监督双分支扩散框架，既能通过融合因子 \(\alpha\) 做连续数值调级（SDUIE-Quant），又能通过自然语言提示做语义调级（SDUIE-Text），在保住水下蓝绿色调美学的同时取得 SOTA。
DeSpike：脉冲相机的离焦去模糊与图像重建: DeSpike 是首个针对脉冲相机（spike camera）离焦模糊的端到端去模糊与重建框架，先用薄透镜物理模型刻画离焦如何扭曲脉冲发放，再用多时间尺度 IF 神经元 + 可学习离散 PSF 先验 + 多空间尺度迭代精修把模糊脉冲流恢复成清晰图像，在合成与真实离焦脉冲数据上全面超越现有去模糊方法。
Self-Diffusion Driven Blind Imaging: DeblurSDI 把"自扩散"（self-diffusion，一种无需预训练的逆问题求解器）从已知退化算子的非盲场景拓展到盲场景，用两个随机初始化、互不预训练的网络在一段从纯噪声出发的反向扩散过程里同时重建清晰图像和模糊核（PSF），靠噪声调度天然稳住这个本来极易崩塌的联合优化，在光学像差和运动模糊上大幅超过现有盲去模糊方法。
Self-supervised Dynamic Heterogeneous Degradation Modeling for Unified Zero-Shot Image Restoration: UP-ZeroIR 发现噪声/雾霾/低光等异质退化在潜空间里都能被一个两参数的广义高斯分布（GGD）刻画，于是把退化建模重写成"分布对齐"问题，再配上一个自评估质量、动态调整采样轨迹的策略，让预训练扩散模型在不重训的零样本设定下同时刷新单退化与混合退化的恢复 SOTA。
SelfHVD: Self-Supervised Handheld Video Deblurring: SelfHVD 利用手持视频中自然存在的清晰帧作为监督信号，通过自增强视频去模糊（SEVD）构建高质量训练对和自约束空间一致性维护（SCSCM）防止位移偏移，实现了无需配对数据的手持视频去模糊。
ShiftLUT: Spatial Shift Enhanced Look-Up Tables for Efficient Image Restoration: 提出 ShiftLUT，通过可学习空间偏移模块（LSS）实现 LUT 方法中最大感受野（65×65），配合非对称双分支架构和误差有界自适应采样（EAS），在存储 104KB + 推理 84ms 的条件下超越所有现有 LUT 方法。
ShreddingNet: Coarse-to-Fine Restoration for Multi-Source Shredded Manuscripts: ShreddingNet 用「粗匹配先按来源聚类、再细粒度逐对评分」的两阶段流程，解决多张书画作品碎片混在一起的修复问题，把模型调用次数从 \(O(n^2)\) 降到 \(O(n)\)，在两个数据集上全局拼装 F1 达 98.37%，比此前 SOTA 高 5.72%。
Spatio-Temporal Difference Guided Motion Deblurring with the Complementary Vision Sensor: 针对 RGB 单帧去模糊本质病态、事件相机又会饱和且边缘/运动纠缠的问题，本文用天眸（Tianmouc）互补视觉传感器在单次 RGB 曝光内同步采到的高帧率空间差分（SD，编码结构边缘）与时间差分（TD，编码运动），设计了递归多分支网络 STGDNet 把 SD/TD 逐时序注入 RGB 特征空间做去模糊，并配套一套 DMD 数据制造管线生成真实对齐训练对，在合成 CVS 数据集和 100+ 真实极端运动场景上都取得 SOTA。
Spectral Super-Resolution via Adversarial Unfolding and Data-Driven Spectrum Regularization: 提出 UALNet，通过将数据驱动的光谱先验（PriorNet）和对抗学习项同时嵌入深度展开框架，实现从 Sentinel-2 多光谱数据（12 波段）到 NASA AVIRIS 高光谱图像（186 波段）的光谱超分辨率，性能超越 Transformer 的同时仅需 15% 计算量和 1/20 参数。
Statistical Characteristic-Guided Denoising for Rapid High-Resolution Transmission Electron Microscopy Imaging: 提出统计特征引导去噪网络 SCGN，利用空间域的窗口标准差加权和频域的频带引导加权，分别在空间和频率两个域自适应地增强信号、抑制噪声，结合 HRTEM 专用噪声标定方法生成含无序结构的真实噪声数据集，实现毫秒级高分辨率透射电子显微镜图像的高质量去噪。
STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution: STCDiT 在预训练视频扩散模型（Wan2.1）之上做真实世界视频超分：用"运动感知 VAE 分段重建"解决复杂相机运动下 VAE 重建失真，再用"锚帧引导增强"把每个片段首帧潜变量里保存完好的空间结构信息注入生成过程，只增加约 LoRA 参数 7% 的可训练量就在结构保真度与时序一致性上全面超过 SeedVR、STAR 等 SOTA。
Task-Aware Image Signal Processor for Advanced Visual Perception: TA-ISP 把 RAW→RGB 这一步从"重网络/或只调几个传统 ISP 参数"换成"预测一小撮全局/区域/像素三级的调制算子"，用仅 3K 参数、亚 27ms 的代价产出对下游检测/分割友好的图像表示，在多个 RAW 检测/分割基准上同时刷高精度并大幅压参降时延。
The Surprising Effectiveness of Noise Pretraining for Implicit Neural Representations: 本文通过系统的实验分析发现：用非结构化噪声（均匀/高斯分布）预训练 INR 可在图像拟合中达到惊人的 ~80dB PSNR，远超所有数据驱动初始化方法；而具有自然图像 \(1/|f^\alpha|\) 频谱结构的噪声则在信号拟合和去噪之间实现最佳平衡，无需任何真实数据即可匹配 SOTA 数据驱动初始化性能。
Thermal Diffusion Matters: Infrared Spatial-Temporal Video Super-Resolution through Heat Conduction Priors: THERIS 把红外视频的逐像素灰度序列当成满足热传导方程的温度场，用频域热扩散核做帧插值（TDIM）、用带"热提示"调制的 Mamba 模块做时空细节恢复（TSSM），再加一个强制满足离散热方程的损失（TFM Loss），在红外时空视频超分上拿到 SOTA。
Time-Aware One Step Diffusion Network for Real-World Image Super-Resolution: TADSR 指出现有单步扩散超分都把 student 的 timestep 写死在 999，白白浪费了 SD 在不同时间步上各异的生成先验；它给 VAE encoder 加时间嵌入、让同一张图随 timestep 编出不同 latent，再用一个映射把 student 和 teacher 的 timestep 绑起来，从而单步就能拿到一致的生成引导，并且只靠调一个 \(t_s\) 就能在保真度和真实感之间无级滑动，多个真实/合成数据集上无参考指标全面 SOTA。
Time-Specialized Event-Image Alignment for Blur-to-Video Decomposition: TSANet 用事件相机辅助，把一张运动模糊图像「展开」成高帧率清晰视频——核心是先把事件特征和图像特征都「时间专门化」对齐到任意查询时刻 \(t\)，再做轻量融合，在 GoPro / HighREV / EBD 三个数据集上一致超过此前 SOTA。
Time Without Time: Pseudo-Temporal Representation for Space-Time Super-Resolution: 针对时空视频超分（STVSR）缺乏有效预训练策略的问题，本文提出把单张图片"复制成多帧 + 逐帧独立随机置零"伪造出一段没有真实时间的视频，让目标 STVSR 网络自己做"从退化的伪时间输入重建高时空分辨率干净输出"的预训练，并用难度自适应像素损失聚焦难生成区域；这套架构无关、只用图像就能跑的预训练在少样本微调下把多种 STVSR 网络的 PSNR 提升最多 +5dB。
TM-BSN: Triangular-Masked Blind-Spot Network for Real-World Self-Supervised Image Denoising: 提出三角掩码盲点网络 TM-BSN，通过将盲点区域设计为与真实 sRGB 噪声的菱形空间相关模式精确对齐的形状，在原始分辨率上实现无需下采样的自监督图像去噪，并通过知识蒸馏进一步提升性能，在 SIDD 和 DND 基准上达到自监督去噪 SOTA。
Towards Generalized Representations for Low-Light Understanding: When Signal Constancy Meets Semantic Enrichment: UniPrior 把"光照不变信号先验"和"视觉基础模型（DINOv2/CLIP）的语义先验"统一起来，在完全不用任何真实低光数据训练的前提下，让白天训好的模型稳健泛化到各种没见过的夜间/低光场景，并在分类、分割、人脸检测三类任务上大幅刷新零样本 SOTA。
TUDSR: Twice Upsampling-Diffusion for Higher Super-Resolution: 针对 SD 这类原生分辨率只有 512² 的扩散模型在 ×8 高倍超分（如 256²→2048²）上崩坏的问题，TUDSR 把"一次性高倍上采样"拆成"两段各自落在模型原生能力内的上采样-扩散"，用两个串联的 LoRA + 一步 GAN 完成，在 4 张 RTX 4090 上训练就能产出 2048² 高质量图，多个真实数据集的感知指标刷到 SOTA，尤其在 ×8 任务上领先明显。
UCAN: Unified Convolutional Attention Network for Expansive Receptive Fields in Lightweight Super-Resolution: 提出 UCAN 轻量级超分辨率网络，统一卷积和注意力机制来高效扩展有效感受野，通过 Hedgehog 注意力解决线性注意力的秩坍缩问题，引入大核蒸馏模块和半共享参数策略，在 Manga109 (4×) 上以仅 48.4G MACs 达到 31.63 dB PSNR。
UDAPose: Unsupervised Domain Adaptation for Low-Light Human Pose Estimation: UDAPose通过基于稳定扩散的低光照图像合成（保持高频低光特征）和动态注意力控制模块（自适应平衡视觉线索与姿态先验），在低光照硬集上实现56.4%的AP提升。
Towards Universal Computational Aberration Correction in Photographic Cameras: A Comprehensive Benchmark Analysis: 本文构建了首个大规模通用计算像差校正(CAC)基准 UniCAC，提出光学退化评估器(ODE)量化像差难度，并对24种图像恢复/CAC算法进行了全面评估，揭示了先验利用、网络架构和训练策略三大关键因素对CAC性能的影响。
UniLDiff: Unlocking the Power of Diffusion Priors for All-in-One Image Restoration: UniLDiff 以 Stable Diffusion XL 为底座搭一个统一图像恢复框架，用「退化感知特征融合 DAFF」把低质特征在每个去噪步动态注入扩散轨迹、用解码器里的「细节专家模块 DAEM」靠 MoE 找回 VAE 压缩丢掉的高频细节，在多任务、复合退化与零样本真实退化上都拿到 SOTA 感知质量。
UniRain: Unified Image Deraining with RAG-based Dataset Distillation and Multi-objective Reweighted Optimization: 提出 UniRain 统一图像去雨框架，通过 RAG 驱动的数据蒸馏从百万级公开数据集筛选高质量样本，结合非对称 MoE 架构和多目标重加权优化策略，在雨条纹和雨滴（白天/夜间）四种退化类型上实现一致优异性能。
Variational Garrote for Sparse Inverse Problems: 在统一的稀疏逆问题框架下，系统比较 \(\ell_1\) 正则化（LASSO）与 Variational Garrote（VG，一种通过变分二值门控近似 \(\ell_0\) 的方法），在信号重采样、去噪和稀疏视角 CT 重建三个任务上证明 VG 在强欠定场景下能显著降低最小泛化误差，尤其在采样率 <20% 或投影角度极少时优势最大。
VEMamba: Efficient Isotropic Reconstruction of Volume Electron Microscopy with Axial-Lateral Consistent Mamba: VEMamba 第一次把 Mamba 用到体积电镜（VEM）的各向同性重建上：通过「轴向-侧向分块选择性扫描（ALCSSM）+ 动态权重聚合（DWAM）」把 3D 体素依赖重排成 1D 序列做线性复杂度建模，并用真实退化模拟 + 动量对比（MoCo）把退化先验注入网络，在 EPFL/CREMI 两个数据集上以最低的参数量和算力拿到多数指标 SOTA。
VLIC: Vision-Language Models As Perceptual Judges for Human-Aligned Image Compression: 作者发现现成的 VLM（Gemini 2.5-Flash）能零样本复现人类的两两偏好判断，于是把它当作"感知裁判"，用 Diffusion DPO 对一个基于 FlowMo 的扩散自编码器做后训练，得到与人类感知高度对齐、在多数感知指标上达到 SOTA 的图像压缩系统 VLIC。
VoDaSuRe: A Large-Scale Dataset Revealing Domain Shift in Volumetric Super-Resolution: 作者构建了 VoDaSuRe——迄今体素总量最大（∼194 gigavoxels、16 个样本 32 次扫描）的真实配对多分辨率 CT 数据集，并用它揭示了一个被现有体积超分研究掩盖的事实：当前 SOTA 模型的"惊艳效果"主要来自在下采样合成数据上训练，一旦换成物理采集的真实低分辨率扫描，模型只会输出空间平均后的模糊结果，根本没在重建丢失的微结构。
VSRELL: A Simple Baseline for Video Super-Resolution and Enhancement in Low-Light Environment: VSRELL 把"低光增强（LLE）"和"视频超分（VSR）"这两个一向被拆开做的任务在一个 CNN 框架里同步解耦地联合求解：用 INCO 模块在时序窗口内同时建模光照与噪声、用 ISFP 模块把光照先验注入可变形对齐并给记忆特征加动态衰减，最终以 6.3M 参数在 REDS4 上把平均 PSNR 从级联/all-in-one 方法的 ~20.6 dB 拉到 25.94 dB。
White-Balance First, Adjust Later: Cross-Camera Color Constancy via Vision-Language Evaluation: 把颜色恒常性（估计光源色）从"直接回归 RGB"改写成"先白平衡、再让 VLM 看图给反馈、迭代修正"的闭环过程：每轮用当前估计白平衡并转成 pseudo-sRGB，让一个 LoRA 微调的 VLM 判断画面还偏红/绿/蓝，据此把光源方向往对应轴旋转一个角度，直至收敛——无需目标相机的标定或重训，就在四个跨相机基准上拿到 SOTA，尤其大幅压低了最难 25% 样本的误差。
Zero-Shot Image Denoising via Hybrid Prior-Guided Pseudo Sample Generation: ZS-HPD 只用一张噪声图自己造训练对来训去噪网络：用「梯度排序分组」的下采样器抓局部先验、用「高斯约束的全局随机采样器」抓非局部自相似先验，再配一个在傅里叶域给高频加权的损失，让零样本去噪在性能和开销上同时压过 Pixel2Pixel 等现有方法。
ZeroIDIR: Zero-Reference Illumination Degradation Image Restoration with Perturbed Consistency Diffusion Models: ZeroIDIR 把光照退化图像复原拆成「自适应光照校正 + 扩散重建」两步，只用低质退化图训练、不需要任何参考图/配对数据：先用自适应 Gamma 校正模块（AGCM）把曝光修正到自然分布，再把校正结果当作扩散过程的中间噪声态喂给扰动一致性扩散模型（PCDM）补细节去噪，在无监督方法里全面领先、对未见场景的泛化甚至超过有监督方法。