Buchumschlag

One Latent Space to Rule All Degradations: Unifying Restoration Knowledge for Image Fusion

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Ma, Haolong, Li, Hui, Cheng, Chunyang, Zhang, Zeyang, Luo, Xiaoqing, Song, Xiaoning, Wu, Xiao-Jun
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computer Vision and Pattern Recognition
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

S4Fusion: Saliency-aware Selective State Space Model for Infrared Visible Image Fusion
von: Ma, Haolong, et al.
Veröffentlicht: (2024)

Conti-Fuse: A Novel Continuous Decomposition-based Fusion Framework for Infrared and Visible Images
von: Li, Hui, et al.
Veröffentlicht: (2024)

FusionRegister: Every Infrared and Visible Image Fusion Deserves Registration
von: Bian, Congcong, et al.
Veröffentlicht: (2026)

From Physical Degradation Models to Task-Aware All-in-One Image Restoration
von: Gao, Hu, et al.
Veröffentlicht: (2026)

Unifying Heterogeneous Degradations: Uncertainty-Aware Diffusion Bridge Model for All-in-One Image Restoration
von: Tu, Luwei, et al.
Veröffentlicht: (2026)

FusionBooster: A Unified Image Fusion Boosting Paradigm
von: Cheng, Chunyang, et al.
Veröffentlicht: (2023)

OCCO: LVM-guided Infrared and Visible Image Fusion Framework based on Object-aware and Contextual COntrastive Learning
von: Li, Hui, et al.
Veröffentlicht: (2025)

Degradation-Aware All-in-One Image Restoration via Latent Prior Encoding
von: Sharif, S M A, et al.
Veröffentlicht: (2025)

Dynamic Degradation Decomposition Network for All-in-One Image Restoration
von: Wang, Huiqiang, et al.
Veröffentlicht: (2025)

CoMoFusion: Fast and High-quality Fusion of Infrared and Visible Image with Consistency Model
von: Meng, Zhiming, et al.
Veröffentlicht: (2024)

AllRestorer: All-in-One Transformer for Image Restoration under Composite Degradations
von: Mao, Jiawei, et al.
Veröffentlicht: (2024)

Degradation-Aware Feature Perturbation for All-in-One Image Restoration
von: Tian, Xiangpeng, et al.
Veröffentlicht: (2025)

Diffusion Once and Done: Degradation-Aware LoRA for Efficient All-in-One Image Restoration
von: Tang, Ni, et al.
Veröffentlicht: (2025)

Visual-Instructed Degradation Diffusion for All-in-One Image Restoration
von: Luo, Wenyang, et al.
Veröffentlicht: (2025)

One Model for ALL: Low-Level Task Interaction Is a Key to Task-Agnostic Image Fusion
von: Cheng, Chunyang, et al.
Veröffentlicht: (2025)

Perceive-IR: Learning to Perceive Degradation Better for All-in-One Image Restoration
von: Zhang, Xu, et al.
Veröffentlicht: (2024)

Neural Degradation Representation Learning for All-In-One Image Restoration
von: Yao, Mingde, et al.
Veröffentlicht: (2023)

DRNet: All-in-One Image Restoration via Prior-Guided Dynamic Reparameterization
von: Li, Ao, et al.
Veröffentlicht: (2026)

Beyond Degradation Redundancy: Contrastive Prompt Learning for All-in-One Image Restoration
von: Wu, Gang, et al.
Veröffentlicht: (2025)

Latent Harmony: Synergistic Unified UHD Image Restoration via Latent Space Regularization and Controllable Refinement
von: Liu, Yidi, et al.
Veröffentlicht: (2025)

Degradation-Aware Adaptive Context Gating for Unified Image Restoration
von: He, Lei, et al.
Veröffentlicht: (2026)

TextFusion: Unveiling the Power of Textual Semantics for Controllable Image Fusion
von: Cheng, Chunyang, et al.
Veröffentlicht: (2023)

M2Restore: Mixture-of-Experts-based Mamba-CNN Fusion Framework for All-in-One Image Restoration
von: Wang, Yongzhen, et al.
Veröffentlicht: (2025)

Degradation Frequency Curve: An Explicit Frequency-Quantified Representation for All-in-One Image Restoration
von: Huang, Xinghua, et al.
Veröffentlicht: (2026)

AutoDIR: Automatic All-in-One Image Restoration with Latent Diffusion
von: Jiang, Yitong, et al.
Veröffentlicht: (2023)

Revisiting Generative Infrared and Visible Image Fusion Based on Human Cognitive Laws
von: Guo, Lin, et al.
Veröffentlicht: (2025)

All-in-One Medical Image Restoration with Latent Diffusion-Enhanced Vector-Quantized Codebook Prior
von: Chen, Haowei, et al.
Veröffentlicht: (2025)

DPMambaIR: All-in-One Image Restoration via Degradation-Aware Prompt State Space Model
von: Liu, Zhanwen, et al.
Veröffentlicht: (2025)

Physically Interpretable Multi-Degradation Image Restoration via Deep Unfolding and Explainable Convolution
von: Gao, Hu, et al.
Veröffentlicht: (2025)

Unified-Width Adaptive Dynamic Network for All-In-One Image Restoration
von: Xu, Yimin, et al.
Veröffentlicht: (2024)

MMDRFuse: Distilled Mini-Model with Dynamic Refresh for Multi-Modality Image Fusion
von: Deng, Yanglin, et al.
Veröffentlicht: (2024)

A Unified Foundation Model for All-in-One Multi-Modal Remote Sensing Image Restoration and Fusion with Language Prompting
von: Cui, Yongchuan, et al.
Veröffentlicht: (2026)

All-in-One Video Restoration under Smoothly Evolving Unknown Weather Degradations
von: Li, Wenrui, et al.
Veröffentlicht: (2026)

GenDeg: Diffusion-based Degradation Synthesis for Generalizable All-In-One Image Restoration
von: Rajagopalan, Sudarshan, et al.
Veröffentlicht: (2024)

ClusIR: Towards Cluster-Guided All-in-One Image Restoration
von: Hu, Shengkai, et al.
Veröffentlicht: (2025)

UniLDiff: Unlocking the Power of Diffusion Priors for All-in-One Image Restoration
von: Cheng, Zihan, et al.
Veröffentlicht: (2025)

All-in-One Image Compression and Restoration
von: Zeng, Huimin, et al.
Veröffentlicht: (2025)

SMLNet: A SPD Manifold Learning Network for Infrared and Visible Image Fusion
von: Kang, Huan, et al.
Veröffentlicht: (2024)

Learning to Restore Multi-Degraded Images via Ingredient Decoupling and Task-Aware Path Adaptation
von: Gao, Hu, et al.
Veröffentlicht: (2025)

BaryIR: Learning Multi-Source Unified Representation in Continuous Barycenter Space for Generalizable All-in-One Image Restoration
von: Tang, Xiaole, et al.
Veröffentlicht: (2025)