手机的夜景模式和数码变焦已经不只是「增强」，而是在生成从未被传感器测到的像素——放大后看清的那串车牌号，可能是模型编的。这篇论文不去阻止相机生成，而是在按下快门那一刻把「生成加了什 …

隔着玻璃拍视频，反光几乎无解——因为没人能同时拍到「有反光」和「一模一样但没反光」的两段素材。小米 MiLM Plus 这篇论文没有硬做去除模型，而是先把「造反光」做成一个可控的生 …

视频生成模型不直接在像素上工作，而是先把视频压成一小串数字（隐空间），再在这串数字上生成。这篇论文指出：这个压缩器一直按「解压后像不像原视频」训练，但这个标准和「好不好生成」几乎不 …

一堆压缩程度不同的照片重建三维场景时，糊的那几张会把清楚的那几张一起拖下水。JSGS 的做法不是去猜哪里被压坏了，而是读取每个 JPEG 文件里本来就存着的量化表，把「这张图被压掉 …

指令编辑的老毛病是改一处、动全图，根因是主流做法本质上在照着原图重画一遍。EditMod 换了个提问方式：在同一个上下文下把原描述和新指令各问一遍模型，两次预测的差就是这条指令真正 …

低码率下的新一代视频编码器不再传输细节，而是让解码端把细节「编」出来。这类结果在 LPIPS、DISTS 这些主流感知指标上分数很好，但人脸可能换了个人、字幕可能变成鬼画 …

这篇论文没有再造一个颜色 benchmark，而是把桌游《Hues and Cues》的 480 格棋盘做了实测色度标定，直接当成一个离散色度空间来用。更关键的是它先用 325 名 …

少步蒸馏让视频扩散模型快了，代价是同一句提示词反复生成几乎一样的画面。DUET 的做法不是把两种蒸馏损失混起来调权重，而是按噪声阶段分工：高噪声那一步交给保多样的专家定构图，低噪声 …

Kodacolor 这类透镜光栅胶片把颜色编码成一排排细条纹，还原时最难的不是调色，而是把每条透镜的边界对准。这篇论文干脆把边界做成可编辑的矢量对象，让专家手动纠正后再回灌微调模 …

低光去噪后暗部发紫，长期被当成白平衡或去噪网络的锅。这篇把根因定位到黑电平误差——一个归一化后被 100–300 倍放大、且逐通道不同的零点偏置，并证明把它塞进噪声模型里一起学反而 …

EPFL 这篇没有提新网络，而是把「光源估计到底需要几维光谱」当成自变量系统扫了一遍。结论有点反直觉：在同样是三维的情况下，一组从光源本身学出来的投影基就把角度误差从 7.78° …

相机把 raw 转成 XYZ 这一步，几十年来一直是「按色温在 D65 和 A 光源两个 3×3 矩阵之间插值」。C²LUT 指出这个设计有两处同时失效：CCT 是一维描述子、装不 …

手机拍完在屏上看，和眼睛直接看差一大截。这篇不再分别标定相机和屏幕、中间用 CCM/3D LUT 连起来，而是把两者当成一个耦合系统端到端学；更关键的是它显式补上了「相机三通道完全 …

快照多光谱相机一个像素只测一个波段，16 通道就有 15/16 是猜的，而监督学习要的真值只能靠又慢又笨的线扫描拿。这篇论文不再想办法凑真值，而是把相机绕光心的转动当成监督信号—— …

视觉大模型几乎都在读 ISP 输出的 8-bit sRGB，而这层渲染在模型看到之前就已经把高光截了、把暗部量化了。PRISM-VL 提出把 VLM 的输入换成 RAW …

这篇论文没问「模型认不认识颜色」，而是问「模型的色差尺子准不准」：把 50 多个预训练视觉编码器的特征距离，拿去和 CIEDE2000 等色差域算几何重合度（IoU）， …

投影仪打到有花纹的墙上，颜色就不是你要的颜色了。DiffPC 没有再训一个补偿网络，而是把「被表面和环境改掉的那部分颜色」直接当作一种噪声，于是补偿变成去噪，用扩散先验做逆问题；条 …

同一组 RGB 既可以是「蓝黑裙 + 暖光」，也可以是「白金裙 + 冷光」——这不是模型不够强，是问题本身在某些地方无解。这篇论文的转折在于：它把「哪里会翻」写成了一个有解析形式、 …

海德堡大学与慕尼黑工大的团队实拍了 1000 对「灯开 / 灯关」的高动态范围图像，测生成式修图模型是否真懂光的传播。有意思的是：这些模型会像摄影师一样自作主张地调白平衡和曝光，于 …

照片级调色一直靠预训练图像编码器提「风格」，结果把语义也一起提了进来，出现莫名的空间扭曲。StatLUT 干脆不用编码器：只从 CIE Lab 里取三个与空间无关的统计量， …

这篇论文没做白平衡，也没碰 ISP，但它问了一个对 ISP 很致命的问题：当图像的最终消费者是模型而不是人眼，我们习惯用的 CIELAB 几何距离还够不够描述「颜色」。 …

这篇论文表面是给机器人大模型做光照攻击与防御，真正有价值的发现藏在中间：为了让模型不怕光照变化而做的常规颜色增广，会把模型训练成「色盲」——它学会的不是抗干扰，而是干脆不看颜色。作 …

LPIPS 的作者之一带队，把感知相似度从一个标量拆成「可用自由文本指定维度」的度量：你可以只问「色调像不像」，而不让纹理和构图掺进来。100 万条人类三元组判断显示， …

这篇不是又训了一个光谱重建网络，而是把「学到的光谱先验」和「探测器的响应度矩阵」拆成两件独立的东西：先验用公开光谱库训一次，换一套探测器只需要换掉物理前向模型里的那个矩阵，不重训。 …

把 sRGB 还原成 RAW 从来不是一个逆问题，而是每台相机各一个——因为不同相机的光谱敏感度切出的原始色空间不同。SpiralDiff 把它写成相机条件下的扩散生成， …

WaveDiff-CC 不再把色彩恒常当成’估一个 RGB 光照向量’的回归题，而是用条件扩散模型在小波多尺度域里生成数据驱动的先验，再用动态多头注意力跨尺 …

RGB 反推光谱是个欠定逆问题——同一组 RGB 可能对应无数条光谱曲线。R2H-Diff 不再用回归给一个’平均答案’，而是用条件扩散模型把这条曲线的整个 …

过去的白平衡是从 RGB 直接回归光源，换台相机就失灵。GCC 反过来：用预训练扩散模型把一张标准色卡’补画’进你拍的场景，再从这张被现场光染过的色卡上读出 …

近一年修图 agent 的主流是让 MLLM 去点 Lightroom 的 200 多个按钮，但外部软件不可微，整条链路没法端到端训。VeraRetouch 换了个思路：0.5B …

这篇 Sony 的 CIC 2025 短文没有再训一个文本改图模型，而是把 ISP 里的调色块改写成可微的，再让一个 CLIP 式的视觉-语言模型当损失函数，用『happy …

Michael Brown 组把只在 sRGB 成品图上预训练的扩散大模型反过来用，逼它生成物理上成立的线性 RAW，甚至能凭一句文字为指定相机做 text-to-RAW。这 …

传统图像质量评价把一张照片压成一个分数，工程师拿到 6.2 分却不知道哪坏、为什么坏。IQA-Spider 用一个多模态大模型把画质评价统一成「描述—定位—指认」四件事，还能不额外 …

VLM-CC 不让大模型直接回归光源颜色，而是先做一次白平衡，再让 VLM 判断画面还偏红、偏绿还是偏蓝，最后把这个语义反馈转成下一轮照明估计。它的价值在于把大模型放到颜色还原的评 …