本研究提出了一种公平的原始对偶算法框架，解决图像逆问题中的优化模型不足。通过引入平滑项，确保全局收敛并建立收敛速率。实验结果表明，该方法在图像去噪和超分辨率重建方面优于现有技术。

本文介绍了自监督学习模型和数据集，旨在解决动态场景中因摄像机和物体运动导致的图像模糊和失真问题。模型如JCD和SelfDRSC在超分辨率重建和滚动快门矫正方面表现优异，实验结果表明其在实际应用中有效且高效。

该研究利用深度学习技术提升心脏磁共振图像质量，实现超分辨率重建，显著改善细胞学图像的语义分割效果，表明超分辨率技术在医学图像分析中的重要应用潜力。

本文介绍了一种使用去噪扩散概率模型对低分辨率磁共振图像进行超分辨率重建的新方法AniRes2D。实验结果表明AniRes2D在定量度量、视觉质量和跨域评估等方面优于其他模型。研究还探索了噪声条件增强作为替代增强技术，但发现会降低性能。这些结果对各向异性磁共振图像的超分辨率重建应用有价值。