This research paper proposes a new metric called Perceptual Fairness (PF) to address limitations in existing fairness evaluations of image restoration algorithms, arguing that achieving fairness requires preserving the statistical distribution of reconstructed images for different demographic groups.
通用圖像修復 (GIR) 旨在開發一種單一模型,將任何退化的輸入圖像轉換為相應的自然清晰輸出,解決現有深度學習模型在圖像修復任務中缺乏泛化能力和難以處理複雜未知退化的問題。
본 논문에서는 단일 모델로 다양한 이미지 저하 문제를 처리하는 일반 이미지 복원(GIR)이라는 새로운 과제를 제시하고, 기존 방법들의 한계점을 지적하며 GIR의 필요성을 강조합니다. 또한 GIR 모델 평가를 위한 새로운 프레임워크를 제안하고, 기존 방법들을 벤치마킹하여 GIR의 효과와 어려움을 분석합니다.
SceneDreamer360 透過結合先進的全景圖像生成和優化的三維高斯球體 splatting 技術,實現了從文字描述到高品質、一致性三維場景的轉換。
本稿では、単一のモデルで多様な現実世界の画像劣化に対処することを目指す、汎用画像復元(GIR)と呼ばれる新しい問題を提起し、その有効性と課題を検証しています。
Existing deep learning models for image restoration struggle to generalize to real-world scenarios with complex and unknown degradations. This paper proposes a new research problem – General Image Restoration (GIR) – aiming to develop a unified model capable of handling diverse image restoration challenges.
本稿では、テキストから高品質で空間的に一貫性のある360度パノラマポイントクラウドシーンを生成する新しい手法であるSceneDreamer360を提案する。この手法は、大規模拡散モデルと3Dガウシアンスプラッティングを組み合わせることで、特定の対象領域に制約されない高品質なシーン生成を実現する。
本文提出了一種名為 AnyDesign 的新型時尚圖像編輯方法,該方法無需遮罩即可對多種服裝和配飾進行逼真的編輯,並透過擴展數據集和創新框架解決了現有方法的局限性。
본 논문에서는 텍스트 또는 스타일 이미지를 기반으로 복잡한 배경의 사람 이미지에서 다양한 의류 및 액세서리를 편집할 수 있는 마스크 없는 확산 기반 프레임워크인 AnyDesign을 제안합니다.
本文介紹了 UniFashion,這是一個統一的框架,旨在解決時尚領域中多模態生成和檢索的挑戰,透過整合嵌入和生成任務,利用擴散模型和大型語言模型 (LLM),實現可控且高保真度的生成,並在各種時尚任務中顯著優於先前專注於單一任務的最先進模型。