212-B2｜照片修复，生成数据对分类任务模型偏差的影响；视觉二维曼巴，图像自回归建模；时间理解基准，长视频QA，唇部同步生成

文章预览

AIGC   Research 主编｜ 庄才林（Cailin Zhuang） 技术支持｜胡耀淇（Yaoqi Hu） ————B2.1 Part———— Topic: Image｜Photo Restoration, Generated Data  Bias & Classification Preserving Old Memories in Vivid Detail: Human-Interactive Photo Restoration Framework 2024-10-12｜SKKU ｜ 🟡 http://arxiv.org/abs/2410.09529v1 概述 本研究提出了一种人机交互的照片修复框架，旨在以生动的细节保存旧记忆。随着时间的推移，许多旧照片经历了物理损坏、图像质量下降等多种退化，传统的人工修复虽然能提高图像质量，但成本高昂且耗时。本框架通过多阶段的人工智能（AI）驱动的修复方法，提供了一种高效且经济的解决方案。每个阶段专门针对特定类型的照片损坏进行优化，涵盖了从损伤去除、噪声降低、面部修复到图像上色的全过程。此外，为了评估框架的有效性，研究团队还创建了一个新的旧照片修复 ………………………………