image-reconstruction

PnP-CoSMo是一种即插即用的多对比度MRI重建框架，它从图像数据中学习内容/风格模型，使得无需原始k空间训练数据即可进行重建。该框架在对比度和前向算子之间具有泛化性。

本文挑战了普遍认为的死记硬背导致训练数据在重构攻击中暴露的观点，指出真正的原因是对抗性非鲁棒特征。作者引入了AntiAdversarial Training (AT-AT)，该训练方法有意学习非鲁棒特征，以实现卓越的重构防御和更高的准确性。

IDEAL提出了一种用于离散表示自编码的深度对齐框架，联合对齐量化令牌与浅层和深层VFM特征，以实现卓越的重建和生成性能。

DecQ引入了轻量级的细节凝缩查询，以改进表示自编码器中的重建与生成，同时不破坏预训练的语义空间。

本文提出了一种新的用于线性逆问题的基于能量的模型，该模型学习归一化后验密度，克服了扩散模型的局限性。它实现了无偏采样、自适应采样和盲退化估计，在ImageNet、CelebA和AFHQ上具有竞争力的性能。

Qwen-Image-VAE-2.0 是一个高压缩变分自编码器套件，通过增强的架构、大规模训练和语义对齐策略，提升了重建保真度和可扩散性。

Elon Musk 解释说，Tesla FSD 利用 AI 光子计数重建技术而非标准 RGB，从而在低光照和强眩光条件下实现更卓越的性能。