本研究提出了StableMotion方法，旨在解决运动捕捉数据中的视觉伪影问题。该方法通过运动质量指标有效训练模型，减少对高质量配对数据的依赖，从而显著降低运动伪影的出现。

本研究解决了扩散模型中的视觉伪影问题，揭示了伪影产生的三个阶段：剖析、变异和细化。提出的ASCED方法通过监测异常评分动态实时修正伪影，实验证明其在多个领域有效减少伪影，且无需额外训练，效果优于现有方法。

本研究提出双路径频率增强网络（DFENet），通过频率分析和分治法显著提升图像去马赛克的高频纹理恢复性能，尤其在复杂图案和视觉伪影处理方面表现突出。