IS-Diff：免训练扩散模型改进图像修复
热点事件持续更新
IS-Diff：免训练扩散模型改进图像修复
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Yongzhe Lyu 等作者提出 IS-Diff，一种完全免训练的扩散模型图像修复方法。它从非掩码区域采样初始种子来模拟掩码数据分布，并引入动态选择性精修机制调整初始化先验强度。 作者称，在 CelebA-HQ、ImageNet 和 Places2 数据集的标准与大掩码修复任务上，该方法在所有指标上均优于当前最先进的修复方法。该工作已被 TIP 2026 接收。
AI 根据报道生成 · 1 小时前更新
最新进展10月9日 12:00
IS-Diff：用更优初始种子改进基于扩散模型的图像修复报道时间线
沿着报道，了解事件的不同侧面。
10月9日
- arXiv cs.CVIS-Diff：用更优初始种子改进基于扩散模型的图像修复
IS-Diff 是一种完全免训练的扩散模型图像修复方法，通过从非掩码区域采样初始种子来模拟掩码数据分布，并引入动态选择性精修机制调整初始化先验强度。在 CelebA-HQ、ImageNet 和 Places2 数据集的标准与大掩码修复任务上，该方法在所有指标上均优于当前最先进的修复方法。该工作已被 TIP 2026 接收。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。