- 博客(1202)
- 资源 (13)
- 收藏
- 关注
RSS订阅
原创 【图像增强（Image Enhancement ）】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、关于答疑、文章目录、与我联系等（持续更新中...）
专栏内涉及的算法都是基于深度学习的图像增强算法；收录的文章基本上是基于Pytorch框架实现的，部分基于Tensorflow；预计完成100篇论文，并持续更新；专栏内文章主要为两部分：【论文精读】与【论文复现】论文精读：读懂论文，总结提炼，聚焦核心内容，不只是全文翻译论文复现：跑通流程，源码解析，提升代码能力，得到去噪结果以及指标计算综合而言，从大到小拆解模型结构，从小到大实现模型搭建。实现论文与源码的统一，深入理解论文行文逻辑与代码实现逻辑，融汇贯通二者思想，并学以致用。
2025-09-01 15:56:57
4040
6
原创 【图像去噪（Image Denoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）
你是否在全网苦寻【图像去噪（ImageDenoising）】的相关资料？你的目标是否是看懂【图像去噪（ImageDenoising）】的相关论文，复现代码，跑出结果，并试图创新？你是否需要发表【图像去噪（ImageDenoising）】的相关论文毕业？你是否需要做【图像去噪（ImageDenoising）】的相关项目，开发软件，研究算法，获得专利或者软著？只要是与【图像去噪（ImageDenoising）】有关的问题，那么请继续往下看。
2025-01-14 18:19:51
20723
43
原创 【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
本专栏研究领域为【超分辨率重建】，涵盖图像超分、视频超分，实时超分，4K修复等方面。主要内容包括主流算法模型的论文精读、论文复现、毕业设计、涨点手段、调参技巧、论文写作、应用落地等方面。算法模型从SRCNN开始更新至今，一般是一篇论文精读对应一篇论文复现。论文精读详解理论，归化繁为简，归纳核心，积累词句，培养阅读论文和论文写作能力。论文复现依托Pytorch代码，实现完整的模型训练流程，总结调参方法，记录碰到的bug，论文插图可视化，培养读写代码能力、做实验的能力、以及应用落地能力。
2024-03-25 15:50:42
34739
55
原创 【图像拼接（Image Stitching）】关于【图像拼接论文源码精读】专栏的相关说明，包含专栏内文章结构说明、源码阅读顺序、培养代码能力、如何创新等。总之，【图像拼接源码】复现看这一篇就够了！
本文是【图像拼接论文源码精读】专栏的相关说明，将一些共性的东西在这里做统一说明，就不在每一篇文章中重复了。【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用说明、创新思路分享等（不定期更新）。先看该专栏说明，然后进入专栏阅读相关文章，建议同步订阅，同步阅读。本专栏针对图像拼接领域公布源码的文章进行源码解读，没有源码的文章在有源码的文章全部更新完毕后尝试复现。
2024-01-01 10:01:56
27813
17
原创 【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用方法、阅读顺序、创新思路、文章汇总、源码汇总、数据集汇总等。总之，【图像拼接论文相关】看这一篇就够了
为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用CSDN来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。
2023-11-30 15:36:46
42580
30
原创 CVPR 2026 即插即用 | MoE篇 | ReMoE：告别逐 Token 路由！区域粒度 MoE，维护图像空间语义连续性
ReMoE提出一种区域感知的混合专家架构，将传统逐token路由改为区域粒度路由，结合多粒度专家（全局、网格、中心、移位区域）与投影式专家（ProjectedExpert），通过P2R/R2P转换实现区域特征聚合与重构。该模块以图像空间连续性为先验，增强模型对对抗扰动的鲁棒性，同时保持与ViT兼容的即插即用特性，在分类与密集视觉任务中显著提升性能，尤其在对抗场景下表现优异。
2026-11-01 08:37:06
3
原创 TGRS 2026 即插即用 | 注意力篇 | FMA：告别固定滤波！输入驱动自适应频域划分，复值滤波器分别调制高低频特征
本文提出FMA（频率调制适配器），解决预训练视觉模型在遥感图像语义分割中因频域分布偏移导致的性能下降问题。FMA通过输入驱动的自适应频域分解，动态划分高低频分量，并利用低秩复数滤波器分别调制，实现对地物结构与边缘细节的精准增强。模块轻量化、即插即用，兼容多尺度特征，仅需微调少量参数，显著提升分割精度，已在多个遥感数据集上达到SOTA。代码见GitHub。
2026-11-01 08:36:38
4
原创 TIP 2026 即插即用 | 特征融合篇 | DGF：不再简单 Concat 相加！以模态差异为引导，双通路兼顾区域与边缘融合
本文提出DGF（Difference-Guided Fusion）模块，针对极低光照下红外-可见光视频融合难题，创新性地构建双维度差异引导融合范式：通过绝对差图与多算子边缘梯度生成空间与边缘掩码，实现全局与细节级自适应加权；结合可见光预增强与层级渐进残差融合机制，有效保留热目标与纹理细节。模块支持图像/视频输入，可嵌入U-Net架构，显著提升融合质量与时空一致性，在多个数据集上达到SOTA性能。
2026-10-29 09:27:37
16
原创 TCSVT 2026 即插即用 | Transformer篇 | ACE：轴向卷积增强模块，全局语义调制局部细节，兼顾效率与细长目标的分割注意力单元
本文提出ACE模块，通过双向长条卷积（StripeConv）增强细长目标的局部特征提取，结合行/列轴向注意力降低计算复杂度，实现轻量化全局建模。采用门控融合机制，以全局语义调制局部细节，兼顾精度与效率。模块可即插即用，适用于遥感、医学图像等线状目标分割任务，在多个数据集上达SOTA性能，显著平衡了模型性能与计算效率。
2026-10-29 09:27:19
13
原创 ECCV 2026 即插即用 | Transformer篇 | AIISRM：三分支并行解耦，空间通道全维度独立优化，边缘纹理自动适配感受野
本文提出MoAKE框架，针对动作质量评估（AQA）中的统一建模挑战，设计了三分支并行的自适应段内段间关系建模模块（AIISRM）。该模块通过空间全局、局部多尺度与通道全局三路解耦建模，实现全维度特征增强；引入动态门控机制实现内容感知的局部特征融合，并采用残差聚合保障训练稳定性。模块即插即用，兼容主流网络结构，在图像分类、分割等任务中表现SOTA，显著优于传统注意力方法。
2026-10-28 07:55:32
12
原创 TPAMI 2026 即插即用 | Transformer篇 | GSAM：局部‑全局不再割裂！多尺度卷积 + 光谱注意力，联合建模空谱特征
本文提出GSAM（Global Spectral Attention Module），通过多尺度卷积与可学习温度的全局光谱注意力残差融合，实现局部纹理与远距离光谱依赖的联合建模。模块内置软聚类头，输出像素级分组概率，支持端到端地物分割与光谱解混。其在7个公开数据集上表现优于26种SOTA方法，具备强鲁棒性与即插即用特性，适用于高光谱遥感图像分析任务。
2026-10-28 07:54:51
208
原创 ECCV 2026 即插即用 | 特征融合篇 | PFAM：特征总错位？逐像素空间门控+交叉注意力融合，精准对其细节特征与全局语义
D2R2OSR提出一种退化解纠缠的全景图像超分辨率框架，核心模块PFAM通过分支感知空间门控、跨投影域交叉注意力与残差融合，实现ERP与PPR双分支特征的自适应对齐。该模块在空间维度逐像素调节权重，精准匹配不同纬度区域的质量分布，结合深度级注意力建模多阶段依赖，有效缓解投影畸变，提升重建质量与鲁棒性，显著优于现有方法，在保持低计算开销下实现SOTA性能。
2026-10-22 09:00:25
21
原创 TPAMI 2026 即插即用 | Transformer篇 | DSwinA：内容感知可变形采样，让注意力窗口跟着物体轮廓自适应变形
DSwinIR提出一种新型可变形滑动窗口注意力（DSwinA），以像素为中心，通过卷积预测内容感知偏移，实现自适应采样区域，消除窗口边界伪影。结合三分支并行多感受野设计，单模块内同步捕获局部、中距与长程信息；引入卷积式残差位置编码（LEPE），支持任意分辨率输入。基于NATTEN高效算子，复杂度可控，可直接替换Swin结构，显著提升图像恢复性能，在多个基准上达到SOTA。
2026-10-22 08:59:52
144
原创 ECCV 2026 即插即用 | Transformer篇 | PECA：单向非对称 QKV！极线物理约束，异构双目融合，失效区域自动退回自身特征
本文提出物理与极线约束交叉注意力（PECA），针对异构双目去模糊问题，通过相机光学先验限制注意力搜索范围至极线一维窗口，显著降低计算开销并提升匹配准确性。采用单向非对称注意力机制，清晰参考视图向模糊目标视图传递细节，结合置信度感知残差融合，实现遮挡鲁棒性增强。模块轻量、即插即用，兼容CNN、Transformer等骨干网络，在真实手机双目数据集HSD上实现高效高质复原，有效缓解硬件异构导致的不对称模糊伪影。
2026-10-19 08:53:36
21
原创 ECCV 2026 即插即用 | 特征融合篇 | MCCA：双 Query 共享 KV！掩码引导交叉注意力，双向跨模态交互，在降参同时实现双向信息交换
本文提出Mask-Guided Cross-Modal Cross-Attention（MCCA）模块，用于恶劣天气下的多模态图像融合。通过空间掩码筛选高质量区域，实现掩码引导的交叉注意力；采用双Query、共享KV的双向交互范式，减少参数量并增强跨模态语义对齐；结合深度卷积扩展局部感受野，提升细节表达；引入SE门控动态加权两路输出，自适应平衡模态贡献；支持三输出设计，兼顾单模态保留与融合。实验表明，该方法在合成与真实数据集上均达到SOTA性能，有效缓解退化区域干扰，提升融合质量。
2026-10-19 08:53:07
135
原创 TGRS 2026 即插即用 | 卷积篇 | DSCB：方向选择卷积块，动态旋转卷积核，对齐图像斜向边缘与曲线结构，替换传统卷积涨点！
本文提出频率驱动的状态空间模型FDMamba，针对遥感图像泛锐化任务，创新性地引入方向选择性卷积块（DSCB）。DSCB通过梯度引导的路由网络动态预测卷积核旋转角度，实现输入依赖的自适应方向匹配；采用权重矩阵旋转而非采样点偏移，结合逐样本动态生成与基础核库重采样，显著提升斜向边缘、血管、道路等结构的特征响应。模块即插即用，可替换3×3卷积，在遥感、医学、工业缺陷分割中表现SOTA，有效缓解斜向模糊问题。
2026-10-17 09:29:39
29
原创 CVPR 2026 即插即用 | 卷积篇 | TMConv：多方向旋转卷积，双向三角掩码，菱形感受野完整保留纹理细节！
TM-BSN提出一种基于三角掩码卷积（TMConv）的自监督图像去噪网络，通过上三角掩码与梯度钩子实现前向-反向双向稀疏约束，构建菱形盲斑感受野，精准匹配真实sRGB图像中由去马赛克引起的菱形噪声相关性。该模块无需下采样，在原始分辨率下屏蔽强相关像素，避免信息泄露，同时保留细粒度纹理与噪声统计特性。可即插即用替换3×3卷积，兼容主流网络结构，显著提升去噪性能，达到SOTA效果。
2026-10-17 09:29:09
164
原创 【图像去噪】论文精读：TM-BSN: Triangular-Masked Blind-Spot Network for Real-World Self-Supervised Image Denoisi
本文提出TM-BSN，针对真实相机噪声的菱形空间相关性，设计三角掩码卷积（TMC）与多旋转分支，在原分辨率下构建精准匹配的菱形盲斑，突破传统矩形盲斑的信息浪费问题。结合知识蒸馏，实现自监督去噪在SIDD、DND数据集上的新标杆，无需下采样与后处理，兼顾精度与效率，代码开源，推动真实世界图像去噪发展。
2026-10-15 08:33:56
310
原创 TGRS 2026 即插即用 | 卷积篇 | BinaryConv：新型卷积！STE 直通估计+可学习 SoftSign 的二值卷积训练范式
本文提出BiisNet，一种超轻量级二值化网络，专用于红外小目标检测。核心模块BinaryConv通过直通估计（STE）与可学习缩放的SoftSign函数，解决二值化训练中梯度消失问题；结合幅值匹配量化、双偏置校正激活（RPReLU）及残差连接，有效提升二值特征表达能力。模型仅10k参数，实现68.23% mIoU，性能超越现有二值网络11.56%，且支持即插即用，适用于边缘设备部署。
2026-10-15 08:32:09
26
原创 NeurlPS 2026 即插即用 | Transformer篇 | 跳出 N² 复杂度！MiTA 共享压缩专家 + 稀疏专家，高效处理超长 Token 序列，兼顾全局上下文与局部细节
Mixture-of-Top-k Attention (MiTA) 通过双专家混合范式，结合共享压缩专家与Top-k路由稀疏专家，实现高效长序列建模。利用地标查询筛选关键键值对，降低计算复杂度至近线性，同时兼顾全局上下文与局部细节。支持FlashAttention加速，兼容大模型与高分辨率任务，在保持SOTA性能的同时显著提升效率。
2026-10-14 08:09:42
137
原创 TGRS 2026 即插即用 | 注意力篇 | MSFE：单一卷积兼顾不了细节与全局？双尺度空洞卷积，局部中尺度一网打尽
MCAFNet提出多尺度特征增强（MSFE）模块，通过并行空洞卷积捕获局部与中尺度上下文，结合1×1卷积拼接降维融合及SE通道注意力自适应加权，实现轻量级多尺度特征增强。该模块结构紧凑、参数少，可无缝嵌入各类网络，显著提升HSI与LiDAR数据联合分类性能，在多个数据集上达到SOTA。
2026-10-14 08:09:09
29
原创 TGRS 2026 即插即用 | 特征融合篇 | MAFI：别只会 Concat 相加！双向交叉交互，两路模态交互生成注意力权重
EG-CMFNet提出多模态自适应特征交互（MAFI）模块，通过双向交叉注意力实现RGB与红外等多模态遥感图像的深度互补融合。MAFI创新性地引入通道与空间维度的三重统计量（均值、最大值、标准差），增强边缘与细节感知；采用可学习缩放系数渐进激活交互，保障训练稳定性；输出双路增强特征，保留模态独立性。实验表明，该模块在多个数据集上显著提升语义分割性能，达SOTA水平，适用于遥感、医学影像等多模态任务。
2026-10-11 08:52:11
36
原创 TGRS 2026 即插即用 | 特征融合篇 | WFAM：特征对齐总磨平边缘？小波增强前置，先增强再对齐守住细节
本文提出轻量级小波对齐差分与掩模引导融合网络（WDMF-Net），核心创新为小波增强特征对齐模块（WFAM）。该模块将小波域增强前置，通过高低频解耦的多尺度增强（高频用双卷积强化边缘，低频用自注意力建模全局结构），提升特征质量；再基于增强后特征预测偏移流场，实现高精度空间对齐。采用共享权重对称架构与流场翘曲机制，有效减少边缘模糊与纹理丢失，实现“增强-对齐”一体化。在多个遥感变化检测数据集上优于16种SOTA方法，兼顾精度、效率与泛化能力，适用于需精细对齐的多模态图像任务。
2026-10-11 08:51:42
38
原创 TGRS 2026 即插即用 | 注意力篇 | MDCP：交互式空间注意力加持！让大尺度全局信息引导小尺度细节加权
摘要（≤150字）： 本文提出MDCP模块，用于高分辨率遥感图像道路提取。通过多空洞率DCNv3并行提取多尺度特征，结合空间-通道双路径解耦融合架构，实现几何自适应与语义感知的协同优化。交互式注意力与Swin全局建模增强上下文理解，有效修复碎片化拓扑。模块即插即用，显著提升小目标与不规则结构的分割精度，在遥感、医学等多场景中表现SOTA。
2026-10-09 10:19:24
176
原创 TGRS 2026 即插即用 | 特征融合篇 | ADFM：融合总磨平边缘细节？差分驱动解耦渐进式融合：差异增强、共性保留
EGAFNet提出自适应解耦融合模块（ADFM），针对遥感变化检测中边缘模糊与信息冗余问题，创新性地结合差分驱动空间注意力、Gram-Schmidt正交通道注意力与三级级联调制卷积，实现差异增强、共性保留的双路特征解耦融合。该模块通过多尺度感知与对称自适应架构，有效提升边缘精度与特征表达能力，在多个数据集上达到SOTA性能，适用于分割、超分等对细节敏感的任务。
2026-10-09 10:18:34
45
原创 TGRS 2026 即插即用 | 卷积篇 | EDDConv：注意力引导，自动适配多尺度目标，动态可变形卷积排除背景干扰！
本文提出EDDConv模块，针对红外小目标检测中背景噪声干扰与多尺度不规则目标难以捕捉的问题，融合方向感知偏移增强（DAOE）、动态调制掩码与多专家动态路由机制。通过三维坐标注意力引导采样位置与权重，实现前景聚焦的几何与尺度自适应特征提取。模块可即插即用，显著提升小目标检测性能，在多个公开数据集上优于SOTA，适用于缺陷、病灶等稀疏不规则目标的视觉任务。
2026-10-07 09:55:40
56
原创 TGRS 2026 即插即用 | Transformer篇 | FCGA：前景置信自适应门控融合，引导注意力聚焦目标区域！
FCG-DETR提出前景置信引导注意力（FCGA），通过自适应门控融合机制，在保留可变形注意力灵活性的基础上，利用前景置信图动态调制注意力权重，引导模型聚焦目标区域，抑制背景噪声。该模块在遥感图像小目标、细长目标检测中显著提升特征表达能力，有效降低计算开销，兼顾精度与效率，适用于前景稀疏的检测与分割任务，性能达SOTA。
2026-10-07 09:55:13
374
原创 TGRS 2026 即插即用 | 注意力篇 | MM-Mona：空域 + 频域双路并行，单模态增强 / 跨模态融合一套模块搞定！
FAD-Net提出一种频域幅相解耦网络，通过空域-频域双路径并行架构实现多尺度特征增强。核心创新包括：可学习Log-Gabor滤波器捕获纹理方向性、FGDWM动态调节卷积核权重、跨模态幅相重组抑制辐射差异、双路独立交叉注意力实现信息对齐。模块支持单模态适配与跨模态融合，显著提升遥感语义分割性能，在ISPRS Vaihingen和Potsdam数据集上达SOTA。
2026-10-04 09:27:08
33
原创 TIP 2026 即插即用 | 注意力篇 | PWFB：可学习小波块，子带域卷积 + 软约束抑制重建混叠伪影，全局建模拉满！
本文提出PW-FNet，一种高效轻量的图像恢复基线模型，核心为可学习小波-傅里叶块（PWFB）。通过可微DWT/IDWT实现频域-空域联合建模，支持自适应小波滤波器、子带特征处理与方向感知注意力，结合软约束损失抑制重建伪影。模块可无缝替换Transformer中的自注意力层，在去噪、超分、去雾等任务中实现SOTA性能与极低计算开销，显著优于传统固定小波与CNN方法。
2026-10-04 09:23:13
29
原创 CVPR 2026 即插即用 | 特征增强篇 | DBFE：缺少空间建模？双分支增强，局部卷积 + 无降维通道注意力强强联合
本文提出轻量级双分支特征增强模块DBFE，融合3×3卷积与无降维ECA注意力，先提取局部空间特征再进行通道重标定，提升小样本场景下缺陷检测、医学影像等任务的分割精度。引入BN与Dropout增强泛化能力，参数量少、推理快，显著优于现有方法，在建筑缺陷与遥感数据集上达80.77% mIoU，适用于UNet解码器等结构。
2026-10-02 09:12:14
247
原创 TCSVT 2026 即插即用 | 注意力篇 | SSFM：多尺度空域聚合+解耦频谱调制，空域频域双域特征增强并融合！
UHDRes提出一种轻量级双域解耦谱调制框架，通过空域-频域联合建模实现超高清图像恢复。核心模块SSFM结合MSCA多尺度上下文聚合与DSMB解耦频谱调制，其中SAMU仅调制傅里叶幅度、保留相位以避免结构失真，低频由频域处理，高频由SRU细化，实现高低频显式分离与自适应融合。该方法在保持极低参数量（400K）的同时，显著提升恢复质量与效率，适用于图像复原、分割等任务，性能达SOTA。
2026-10-02 09:11:50
36
原创 CVPR 2026 即插即用 | Transformer篇 | μPCAD：下采样丢细节？小波多相分解注意力，抗混叠同时保留高低频子带信息
CROWn提出μPCAD模块，用于3D医学图像分割中的抗混叠下采样。该模块基于Haar小波多相分解，显式分离低频语义与多方向高频边缘，结合跨源协同注意力与可学习加权融合，实现语义与细节的协同建模。通过固定高斯平滑抑制混叠伪影，配合GroupNorm和ChannelMLP，有效保留细小结构，提升边界精度。在15个数据集上表现优于主流方法，适用于裂纹、遥感等需精细分割场景。
2026-09-29 08:37:15
602
原创 WACV 2026 即插即用 | 特征融合篇 | BiSAB：差分重构双向频谱对齐，高低频特征融合不再丢失边缘细节！
本文提出BiSAB（Bilateral Spectrum Aligner Block），用于低光图像增强中的高低频特征融合。通过差分特征重构（DFR）实现双向频谱对齐，结合Scharr边缘先验注入强化轮廓细节，采用卷积式改进前馈网络（IEL）保留空间信息，并引入深度可分离卷积增强注意力建模。模块支持双输入即插即用，有效缓解边缘模糊与细节丢失问题，在多个基准上实现SOTA性能，适用于暗光增强、医学影像、遥感等场景。
2026-09-29 08:36:44
26
原创 ICML 2026 即插即用 | 注意力篇 | AMCM：新型注意力！多级级联调制，兼顾小细节与大结构，特征显著增强！
本文提出AMCM（自适应多尺度级联调制器），用于提升拓扑裂纹分割中微小细节与大尺度结构的协同表征。通过分治式三级门控、预调制机制、多尺度大核深度可分离卷积及网格化空间注意力，实现高效特征校准与感受野扩展。相比传统方法，AMCM在保持极低参数量（1.22M）的同时显著提升分割精度（TUT数据集mIoU达0.8512），有效解决细线裂纹断裂与噪声干扰问题，适用于需兼顾细节与结构的视觉任务。
2026-09-28 08:59:45
37
原创 ECCV 2026 即插即用 | 注意力篇 | SAGB：各向异性多分支卷积，兼顾空域 + 频域双重建模，区分纹理与噪声，抑制伪影！
本文提出首个织物图像去莫尔基准（Fabric Image Demoiréing Benchmark），针对复杂织物纹理与传感器网格的混叠伪影，构建大规模合成数据集并设计SAGB模块。SAGB通过各向异性多分支空间卷积（水平/垂直/空洞/普通）精准建模条纹纹理，结合轻量级FFT频域门控实现通道自适应调制，采用双分支动态门控残差更新机制，提升恢复精度与训练稳定性。模块支持灵活配置，兼容多种部署场景，显著优于现有方法，在织物去莫尔任务中达到SOTA性能。
2026-09-28 08:59:23
149
原创 ECCV 2026 即插即用 | Transformer篇 | LλMI：只有0.2B！双分支交互自注意力，同时拿下全局语义与局部纹理
Moebius提出轻量级图像修复框架，核心为局部λ混合交互（LλMI）模块，通过内容λ（λc）与位置λ（λp）双分支设计，实现线性复杂度下全局语义与局部纹理的协同建模。支持局部卷积与全局相对位置两种模式，可自适应不同分辨率；结合多查询共享KV机制与BN规范化，显著降低参数量与计算开销。在0.22B参数下超越11.9B级模型，推理速度提升15倍以上，兼具高效性与SOTA生成质量，适用于高分辨率图像修复任务。
2026-09-25 09:30:03
40
原创 CVPR 2026 即插即用 | 注意力篇 | 抛弃 QKV 矩阵点积！SCAB 纯卷积模拟注意力，大核 DWConv 拿下超大感受野
本文提出LRDUN网络，通过低秩分解与深度展开结合，实现高效光谱压缩成像重建。核心创新为Spatial Conv Attention Block（SCAB），采用大核深度卷积生成空间调制图，以逐元素相乘替代传统注意力矩阵运算，实现大感受野建模且无显存爆炸问题。结合双归一化策略与卷积-FFN结构，兼顾全局上下文与局部细节，支持即插即用、端侧部署，显著降低计算成本，性能达SOTA。
2026-09-25 09:29:37
34
原创 CVPR 2026 即插即用 | 特征融合篇 | 不用 Transformer！MRB 多窗口动态 gMLP，低开销搞定跨模态图像融合多尺度上下文
FusionRegister提出一种面向红外与可见光图像融合的通用配准框架，核心为模态保留块（MRB），通过相关性感知跨模态匹配、多窗口动态加权gMLP与SGU实现无自注意力的高效多尺度特征交互。该模块显式建模局部对应关系，修复配准扭曲导致的纹理与模态信息损失，支持即插即用，显著提升融合细节对齐与鲁棒性，在多个数据集上达到SOTA性能。
2026-09-23 09:36:24
167
原创 CVPR 2026 即插即用 | 特征融合篇 | 别再简单 Concat 相加！FRB 梯度先验引导融合，边缘纹理不再被淹没
本文提出Fusion Feature Reconstruction Block（FRB），一种基于梯度先验引导的双输入自适应融合模块。通过可微Sobel算子提取边缘信息，驱动通道与空间联合注意力，实现对高频细节的显式增强；采用反射填充卷积抑制边界伪影，支持端到端训练。模块保留拼接特征维度，灵活适配多模态图像融合、跳跃连接等场景，在红外-可见光融合任务中表现优异，显著提升融合质量与多任务适应性。
2026-09-23 09:35:46
47
原创 TPAMI 2026 即插即用 | Transformer篇 | PAB：置换注意力，维度重排将空间信息转移到通道中，提效并涨点！
本文提出SRFormerV2中的置换自注意力块（PAB），通过通道压缩与维度重排，实现大窗口感受野下的低计算开销。核心创新在于Permuted Self-Attention（PSA），在保持大窗口建模能力的同时，将计算量降至接近小窗口水平，兼顾全局上下文与局部细节重建。结合卷积增强前馈网络（ConvFFN）与对齐相对位置偏置，显著提升图像超分辨率性能。模块完全兼容Swin-block接口，可即插即用，已在Urban100等数据集上达到SOTA效果，为高效视觉Transformer设计提供新思路。
2026-09-21 11:23:12
157
图像超分辨率WDSR的Pytorch复现代码，注释详细，含科研绘图，最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-04-30
图像超分辨率RDN的Pytorch版本复现代码，注释详细，易读易复用，含最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-04-28
Python实现多图像转换成连贯的PDF文件，支持所有图片格式，可预览、裁剪、自定义PDF布局、设置图像顺序、PDF质量选择等
2024-04-28
PPT绘制超分辨率论文中网络结构图，多种模板可供选择，包括3D立体效果的网络结构、2D平面结构以及相关组件的绘制
2024-08-12
一步到位绘制计算机视觉领域的局部放大图，对比各模型的可视化效果，可多图实时查看局部放大区域对比，点击鼠标即可同时裁剪并保存局部放大区域！
2025-05-16
图像拼接论文Seam-guided local alignment and stitching for large parallax images源码，跑通+注释
2025-02-27
图像超分专栏内文章单篇购买：图像超分论文复现：Pytorch实现WDSR！保姆级复现教程！代码注释详尽！完整代码和x2、x3、x4下的最优模型权重文件可以直接用！绘制论文曲线图！计算主流测试集的
2025-02-19
图像去噪Self2Self(S2S)的Pytorch复现代码，跑通代码，原理详解，代码实现、网络结构、论文公式相互对应，注释清晰
2024-12-06
图像去噪ECNDNet的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据
2024-09-19
图像去噪Noise2Void（N2V）的Pytorch复现代码，基于U-Net模型实现，原理详解，注释详细，包含训练好的模型
2024-09-10
图像去噪RNAN的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-09-07
图像去噪Noise2Noise的Pytorch复现代码，基于REDNet30模型实现，N2N原理详解，注释详细，包含训练好的模型
2024-09-06
图像去噪IRCNN的Pytorch极简复现代码，包含计算PSNR/SSIM以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-08-30
图像去噪MWCNN的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-08-29
图像去噪MemNet的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-08-25
图像去噪REDNet的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-08-24
图像去噪RIDNet的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接用于真实图像去噪
2024-08-20
图像去噪DnCNN的Pytorch完复现代码，源码基础上添加DnCNN-B/CDnCNN-B、DnCNN-3的训练和测试复现
2024-08-12
图像超分辨率RCAN的Pytorch复现代码，科研绘图，指标计算，最优SSIM和PSNR的模型权重文件（x2、x3、x4、x8）
2024-05-22
图像超分辨率FSRCNN的最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-05-16
图像超分辨率SRCNN的Pytorch复现代码，注释详细，含科研绘图，最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-05-14
图像超分辨率ARCNN的Pytorch复现代码，注释详细，含科研绘图，各Quality下的最优SSIM和PSNR的模型权重文件
2024-05-13
图像超分辨率IDN的Pytorch复现代码，注释详细，含科研绘图，最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-05-08
如何识别区分工件正反面？
2023-03-13
TA创建的收藏夹 TA关注的收藏夹
TA关注的人