JPEG XL的设计忽视位深度，强调感知质量而非数字精度。与AVIF相比，JPEG XL通过浮点数处理和XYB色彩空间优化图像质量，适应不同显示条件，提升视觉效果。

本研究提出了一种新颖的两阶段JSCC框架SING，旨在提升极端条件下图像传输的感知质量。实验结果表明，SING在挑战性环境中优于传统方法。

本研究提出了一种新方法——后验均值修正流（PMRF），在图像恢复中优化后验均值预测，提升感知质量并减少均方误差。实验表明，PMRF在多种任务中优于传统方法。

本文介绍了一种基于扩散模型的图像压缩方法，结合端到端解码器，实现更好的感知质量和失真控制。理论和实验表明，该方法在失真和感知方面优于以往方法。

本研究通过引入真实世界的出焦图像数据集并优化模型，解决了无法去除出焦模糊的问题，显著提升了感知质量、清晰度和PSNR方面。

该文章介绍了一种实用且强大的深度学习算法，用于捕捉和呈现复杂实景的新视图。该算法通过渲染新视图并混合邻近局部光场来实现。实践中，该算法能够以较低的视图数量达到较高的感知质量。此外，还开发了一个增强现实智能手机应用程序，用于指导用户捕捉场景的输入图像，并在桌面和移动平台上实现了实时虚拟探索。

本研究调查了人类干预对机器生成对话的影响，发现人类后编辑对话能提高感知质量并导致生成输出差异。数据质量对小模型影响大，对大模型影响小。这些发现有助于理解人类干预对语言模型训练数据的影响。

本研究提出了一种新颖的双分支减参考SR-IQA网络，通过利用低分辨率图像和比例因子来评估图像超分辨率的感知质量和重建保真度。实验结果表明，该网络在评估真实世界SR图像质量方面表现出色。

本文介绍了一种基于T2I模型的颜色转换模型，该模型利用颜色先验知识和敏感性感知的VQVAE模型生成与灰度图像视觉语义匹配的颜色结果。该模型在感知质量方面达到了最先进的性能。

本文介绍了一种新型的GAN反演架构，名为特征-风格编码器，能够更准确地反演实际图像，获得更好的感知质量和更低的重建误差。该编码器在视频反演和编辑方面也表现出特别适用性。通过广泛的实验，该方法在基于风格的GAN反演方面显著优于竞争方法，达到了最新成果。