<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[PixelMind的博客]]></title><description><![CDATA[专注AI、底层视觉、影像技术领域，解读前沿图像技术，分享使用经验技巧，提供专业咨询和图像解决方案]]></description><link>https://blog.youkuaiyun.com/PixelMind</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; PixelMind]]></copyright><item><title><![CDATA[【IQA技术专题】人脸多任务IQA Benchmark：F-Bench]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155990338</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155990338</guid><author>PixelMind</author><pubDate>Sun, 21 Dec 2025 19:27:36 +0800</pubDate><description><![CDATA[本文提出首个针对AI生成、定制及修复人脸的质量评估数据库FaceQ，包含12,255张图像和491,130条多维度人工评分。基于FaceQ构建了F-Bench基准，系统评估了29个主流模型在质量、真实性等维度的表现，发现Flux-dev、PhotoMaker等模型在不同任务中表现优异。同时设计了一站式评估模型F-Eval，通过双视觉编码器和多专家LoRA调优，在各项任务上超越现有方法。该研究为AIGC人脸任务提供了全面的质量评估解决方案。]]></description><category></category></item><item><title><![CDATA[【IQA技术专题】CLIPIQA代码讲解]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155879458</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155879458</guid><author>PixelMind</author><pubDate>Sun, 21 Dec 2025 19:26:04 +0800</pubDate><description><![CDATA[本文解读了CLIPIQA技术及其代码实现。CLIPIQA改进了原始CLIP的视觉感知评估方法，通过引入正反提示词对计算softmax得分（$\overline{s}=\frac{e^{s_{1}}}{e^{s_{1}}+e^{s_{2}}}$），并选用ResNet骨干网络移除位置嵌入以避免图像失真。提供了两个版本：基础版CLIP-IQA直接使用预训练权重，CLIP-IQA⁺则通过微调提示词提升性能。代码结构基于IQA-pytorch项目实现，核心模块clipiqa_arch.py中，CLIPIQA类支持不同]]></description><category></category></item><item><title><![CDATA[【IQA技术专题】使用CLIP进行IQA：CLIPIQA]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155864536</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155864536</guid><author>PixelMind</author><pubDate>Sat, 20 Dec 2025 21:06:30 +0800</pubDate><description><![CDATA[本文提出CLIP-IQA模型，首次探索CLIP在图像质量评估中的潜力。通过反义词提示词配对策略和移除位置嵌入，无需训练即可实现质量感知和抽象感知评估。实验表明，CLIP-IQA在多个IQA数据集上优于无监督方法且接近有监督方法，同时能评估亮度、噪点等细粒度属性及情绪、美学等抽象概念。微调版CLIP-IQA⁺性能进一步提升，但存在提示词敏感等局限。该工作为通用图像评估提供了新思路。]]></description><category></category></item><item><title><![CDATA[【HDR专题】UltraFusion ： 超高动态的多曝光融合]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155991107</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155991107</guid><author>PixelMind</author><pubDate>Sat, 20 Dec 2025 20:39:22 +0800</pubDate><description><![CDATA[介绍了一种名为UltraFusion的创新HDR图像融合方法，专门针对大曝光差异（高达9档）和动态场景的挑战。传统方法面临光流对齐困难、物体成像差异和色调映射失真三大难题。UltraFusion通过两阶段框架实现突破：预对齐阶段采用亮度匹配和双向光流处理遮挡问题；引导修复阶段基于Stable Diffusion模型，创新性地设计了分解与融合控制分支（DFCB）和保真度控制分支（FCB）。]]></description><category></category></item><item><title><![CDATA[【IQA技术专题】MANIQA代码讲解]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155716490</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155716490</guid><author>PixelMind</author><pubDate>Tue, 16 Dec 2025 22:21:16 +0800</pubDate><description><![CDATA[本文介绍了MANIQA技术的实现流程和代码结构。MANIQA采用ViT网络提取图像特征，通过分块处理将224×224输入图像划分为784个8×8的patch，经线性投影后加入位置嵌入。ViT提取7-10层特征进行拼接，通过转置注意力块(TAB)实现通道交互，再经Swin Transformer块(SSTB)进行空间局部交互。最终通过双分支结构预测斑块权重和质量分数，加权融合得到图像质量评分。代码层面基于IQA-pytorch项目实现，核心模块包括特征提取、TAB/SSTB处理和双分支预测等部分，完整复现了论]]></description><category></category></item><item><title><![CDATA[【超分辨率专题】SeedVR2 ：基于对抗训练的单步扩散视频复原（SeedVR加速版）]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155579781</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155579781</guid><author>PixelMind</author><pubDate>Tue, 16 Dec 2025 22:11:56 +0800</pubDate><description><![CDATA[摘要： SeedVR2提出了一种基于对抗训练的单步扩散视频复原方法，显著提升了扩散模型的推理效率。该方法通过自适应窗口注意力机制动态调整窗口尺寸，解决了高分辨率视频的边界伪影问题，并采用**零依赖教师模型的对抗后训练（APT）**直接优化预训练扩散模型，避免了性能上限限制。此外，结合渐进式蒸馏与改进的损失函数设计，SeedVR2在单步采样下实现了高质量视频恢复，为实时应用提供了高效解决方案。实验表明，该方法在速度和性能上均优于传统多步扩散模型。 ]]></description><category></category></item><item><title><![CDATA[【LUT技术专题】LLFLUT代码讲解]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155664869</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155664869</guid><author>PixelMind</author><pubDate>Sun, 07 Dec 2025 21:24:36 +0800</pubDate><description><![CDATA[本文介绍了一种基于拉普拉斯金字塔分解的LLFLUT图像增强技术。该方法通过两阶段处理：首先进行粗增强，生成全局增强结果和下采样增强结果；然后利用拉普拉斯金字塔分解图像，逐层增强高频细节，底层还结合canny边缘信息辅助处理。代码实现主要包括LLF_LUT.py核心模块，包含Transformer模型、拉普拉斯滤波器、可学习3D LUT等组件，通过金字塔分解-增强-重建流程实现图像质量提升。网络在训练时还考虑了平滑损失和单调性约束，确保增强结果的视觉效果自然。]]></description><category></category></item><item><title><![CDATA[【IQA技术专题】多维度注意力IQA：MANIQA]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155676727</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155676727</guid><author>PixelMind</author><pubDate>Sun, 07 Dec 2025 21:24:18 +0800</pubDate><description><![CDATA[本文提出MANIQA模型，通过多维度注意力机制提升无参考图像质量评估性能。该模型采用ViT作为特征提取器，结合转置注意力块(TAB)增强通道间全局交互，利用尺度Swin Transformer块(SSTB)强化局部斑块关系，并通过双分支预测结构输出质量分数。实验表明，MANIQA在多个标准数据集上显著优于现有方法，在NTIRE 2022挑战赛中排名第一，尤其擅长评估GAN生成失真图像。该研究为复杂失真场景下的图像质量评估提供了有效解决方案。]]></description><category></category></item><item><title><![CDATA[【超分辨率专题】FlashVSR：单步Diffusion的再次提速，实时视频超分不是梦！]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155245286</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155245286</guid><author>PixelMind</author><pubDate>Sat, 06 Dec 2025 21:44:39 +0800</pubDate><description><![CDATA[FlashVSR提出了一种实时视频超分新方法，通过三阶段训练框架实现高效处理。首先利用全注意力模型训练强教师模型，再适配为因果稀疏注意力结构，最后蒸馏为单步模型。创新性地引入局部约束稀疏注意力机制，降低计算复杂度并解决高分辨率泛化问题。同时设计轻量级条件解码器，结合流式处理架构，仅需8帧前瞻延迟，显著提升效率。实验表明，该方法在保持高质量输出的同时，速度提升约7倍，为实时视频超分提供了可行方案。]]></description><category></category></item><item><title><![CDATA[【LUT技术专题】LLFLUT++: 基于拉普拉斯金字塔的LUT方法]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155647152</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155647152</guid><author>PixelMind</author><pubDate>Sat, 06 Dec 2025 21:43:54 +0800</pubDate><description><![CDATA[LLFLUT++提出了一种基于拉普拉斯金字塔的实时高分辨率图像增强方法。该方法通过金字塔分解将图像处理分为全局色调调整和局部细节增强两个阶段：在低频分量使用图像自适应3D LUT进行高效全局调整，在高频分量采用可学习局部拉普拉斯滤波器细化边缘细节。创新性地结合了空间-频率Transformer权重预测器和两种融合策略，在保持13ms实时处理速度（4K分辨率）的同时，在MIT-Adobe FiveK和HDR+数据集上PSNR指标提升2.64dB，显著优于现有方法。该方法首次实现了全局与局部增强的平衡，为高分辨]]></description><category></category></item><item><title><![CDATA[【即插即用网络结构专题】CBAM：一种空间和通道混合注意力机制卷积模块]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155418311</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155418311</guid><author>PixelMind</author><pubDate>Mon, 01 Dec 2025 22:44:49 +0800</pubDate><description><![CDATA[本文提出CBAM（卷积块注意力模块），通过通道和空间注意力子模块顺序优化CNN特征图。通道注意力采用双池化（平均+最大）与共享MLP，空间注意力使用通道轴双池化与7×7卷积。实验表明，CBAM能显著提升模型性能（如ResNet50在ImageNet上Top-1错误率降低1.3%），仅增加少量计算开销。该模块轻量通用，可无缝集成到各类CNN架构中。]]></description><category></category></item><item><title><![CDATA[【即插即用网络结构专题】SCConv：一种基于空间合通道重构的高效卷积模块]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155390957</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155390957</guid><author>PixelMind</author><pubDate>Mon, 01 Dec 2025 22:36:26 +0800</pubDate><description><![CDATA[本文提出SCConv模块，通过空间重构单元(SRU)和通道重构单元(CRU)减少CNN特征冗余。SRU利用组归一化权重分离有效/冗余空间特征，并通过交叉重构强化有效特征；CRU采用分割-转换-融合策略，分层提取高维和浅层特征后自适应融合。实验表明，SCConv能显著降低计算成本(减少30%FLOPs)的同时提升模型性能，在ImageNet分类任务上ResNet50精度提升1.2%。该模块可即插即用替换标准卷积，适用于各类CNN架构。]]></description><category></category></item><item><title><![CDATA[【超分辨率专题】SeedVR ：实现任意长度 / 分辨率的视频高效修复]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/155004111</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/155004111</guid><author>PixelMind</author><pubDate>Tue, 25 Nov 2025 21:56:25 +0800</pubDate><description><![CDATA[SeedVR：提出了一种创新框架，通过Swin-MMDiT模块和因果视频自编码器实现任意长度/分辨率视频的高效修复。实验表明，该方法在性能与速度上均优于现有方案，为真实世界视频修复提供了实用解决方案。 ]]></description><category></category></item><item><title><![CDATA[【IQA技术专题】 主客观结合的不完美IQA：A-FINE]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/154604419</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/154604419</guid><author>PixelMind</author><pubDate>Tue, 25 Nov 2025 21:41:29 +0800</pubDate><description><![CDATA[本文提出了一种广义全参考图像质量评估方法A-FINE，突破了传统FR-IQA依赖&quot;参考图像质量完美&quot;的假设。研究团队构建了包含18万张图像的DiffIQA数据集和超分辨率基准SRIQA-Bench，覆盖了参考图像质量优于、相似或差于测试图像的各种情况。A-FINE模型创新性地通过自适应结合图像保真度和自然度评估项，在标准数据集和自建数据集上均优于现有方法。实验表明，该模型不仅能有效评估参考图像不完美时的质量，还能兼容传统FR-IQA场景。这项工作为图像质量评估提供了更灵活、更通用的解决方]]></description><category></category></item><item><title><![CDATA[【LLIE技术专题】Dark-Isp 一种Raw图像的微光检测方案]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/154606895</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/154606895</guid><author>PixelMind</author><pubDate>Sun, 16 Nov 2025 17:32:37 +0800</pubDate><description><![CDATA[该论文针对低光环境下目标检测因图像质量退化（噪声放大、对比度降低）面临的挑战，提出轻量级自适应性 ISP 插件 Dark-ISP。该方案以 Bayer RAW 图像为处理对象，核心创新在于：将传统 ISP 流程拆解为 “动态线性组件”（结合局部 - 全局注意力，实现物理先验与内容感知的线性转换）与 “物理可解释非线性组件”（基于非凸多项式基，实现暗区拉伸与亮区压缩），并通过 Self-Boost 正则化模块构建两组件的反馈闭环，确保协同优化。]]></description><category></category></item><item><title><![CDATA[【IQA技术专题】 Q-Instruct：提升MLLM的IQA能力]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/154292308</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/154292308</guid><author>PixelMind</author><pubDate>Sun, 16 Nov 2025 17:31:35 +0800</pubDate><description><![CDATA[Q-Instruct：提升MLLM的低阶视觉能力（2024 CVPR） 本文提出Q-Instruct方法，通过构建包含58K人类反馈的Q-Pathway数据集和GPT生成的200K指令-响应对，显著提升了多模态基础模型（MLLMs）在低阶视觉任务上的表现。研究采用两种训练策略（混合训练和分阶段训练），在4个基线模型上验证了有效性：低阶视觉感知任务准确率平均提升5%-10%，描述任务相关性提升0.31，质量评估任务在未见数据集上SRCC提升0.243。该方法为MLLMs适配低阶视觉任务（如模糊检测、噪声识别、]]></description><category></category></item><item><title><![CDATA[【IQA技术专题】 基于多模态大模型的IQA Benchmark：Q-BENCH]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/154284846</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/154284846</guid><author>PixelMind</author><pubDate>Wed, 12 Nov 2025 21:54:42 +0800</pubDate><description><![CDATA[Q-BENCH（2024 ICLR）首次系统评估多模态大模型(MLLMs)的低层次视觉能力，提出包含3大任务的基准框架：1)构建LLVisionQA数据集(2,990图)测试感知能力，采用问答形式评估10类图像属性的识别准确率；2)建立LLDescribe数据集(499图)评估描述能力，通过专家标注与GPT评分从完整性/精确性/相关性三维度量化；3)设计softmax质量预测策略将MLLM输出映射为可量化分数。实验表明GPT-4V在感知任务接近初级人类水平(73.36%准确率)，InternLM-XComp]]></description><category></category></item><item><title><![CDATA[【超分辨率专题】HYPIR：扩散模型先验与 GAN 对抗训练相结合的新型图像复原框架]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/154281249</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/154281249</guid><author>PixelMind</author><pubDate>Wed, 12 Nov 2025 21:51:48 +0800</pubDate><description><![CDATA[该论文提出HYPIR框架，将扩散模型先验与GAN对抗训练结合。方法核心在于：1）利用预训练扩散模型初始化网络参数，继承其强大的自然图像先验；2）通过退化预去除编码器微调初步消除图像退化；3）采用对抗训练适配复原任务。理论证明表明，扩散模型初始化使网络初始分布接近自然图像分布，有效稳定了GAN训练过程。实验显示该方法在保持单步推理效率的同时，显著提升了图像复原质量，支持文本引导和纹理调节。]]></description><category></category></item><item><title><![CDATA[【LLIE技术专题】基于成对低光图像学习自适应先验方案代码讲解]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/154282731</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/154282731</guid><author>PixelMind</author><pubDate>Mon, 10 Nov 2025 21:43:45 +0800</pubDate><description><![CDATA[本文介绍了一种基于成对低光图像学习的无监督增强方法PairLIE。该方法通过利用同场景不同光照条件的成对图像来自适应学习先验知识，减少了对人工先验的依赖。核心代码包含三个网络模块：N_net完成降噪恒等映射，R_net和L_net分别预测反射图和光照图。训练时从多曝光数据集中随机选取两个不同曝光图像进行处理，并计算R正则损失和Retinex损失。推理阶段通过对光照图进行gamma增强后与反射图结合得到最终增强结果。该方法结构简洁，通过成对图像优化实现更自然的低光增强效果。]]></description><category></category></item><item><title><![CDATA[【LLIE技术专题】基于成对低光图像学习自适应先验方案]]></title><link>https://blog.youkuaiyun.com/PixelMind/article/details/153885025</link><guid>https://blog.youkuaiyun.com/PixelMind/article/details/153885025</guid><author>PixelMind</author><pubDate>Mon, 10 Nov 2025 21:42:16 +0800</pubDate><description><![CDATA[本文提出一种无监督低光图像增强方法PairLIE，通过利用成对低光图像学习自适应先验，减少对人工设计先验的依赖。基于Retinex理论，PairLIE采用轻量级网络结构（P-Net、L-Net、R-Net）实现图像分解，结合投影损失、反射率一致性损失和Retinex损失优化训练。实验表明，该方法在多项指标上超越主流无监督方法，性能接近有监督方法，并具有出色的噪声抑制和细节保持能力。PairLIE为低光增强提供了一种简单高效的无监督解决方案。]]></description><category></category></item></channel></rss>