在野外应用具有控制能力的视觉语言模型进行照片逼真图像修复

扩散模型在图像生成方面取得显著进展，但在图像修复中的应用研究较少。

提出降级感知视觉-语言模型（DA-CLIP），用于低级视觉任务的图像恢复。

引入双阶段框架，适应低分辨率图像，通过无监督对比学习获取图像降级表示。

DiffBIR框架利用预训练的文本到图像扩散模型解决盲目图像恢复问题，采用两阶段流程提高泛化能力。

在恶劣天气条件下，利用物理约束和大气散射模型指导图像恢复过程，整合细化网络以增强恢复效果。

提出基于条件扩散模型的统一框架，测试图像到图像转换任务，超越强GAN和回归基线。

基于概率模型的图像修复算法在去雪、去雨和去雾等任务中表现优越，具有良好的泛化性能。

研究探讨图像合成模型的细粒度控制，提出语义扩散引导统一框架。

利用预训练的文本到图像扩散模型实现盲超分辨率，克服固定尺寸限制。

提出基于扩散模型的文本图像超分辨率恢复方法（DiffTSR），实现更准确的文本结构和逼真外观。