Mi-Ripple: восстановление картинок после итеративного ИИ-редактирования.
Представляем проект Mi-Ripple: он восстанавливает изображения после итеративного ИИ-редактирования. Каждый цикл обработки оставляет на картинке сетчатую зернистость. Авторы проекта разделили две разные деградации и удаляют каждую своим способом.
- Регулярные периодические артефакты в виде решетки: избирательное спектральное подавление (notching), которое фильтрует их без искажения структуры.
- Зернистый мусор, вплетенный в контент: структурно-зависимое сглаживание.
- Ситуации, когда фильтрация могла бы стереть легитимные детали: регенерация на очищенном референсе.
Результаты 14 прогонов показывают остаточное отклонение 0.08-0.44 единицы CIELAB lightness. После чистки деградация малозаметна. В парном примере регенерации очищенный референс снижает плотность мусора на выходе на 45%.
Подход diagnosis-guided: сначала определяется тип артефакта, затем подбирается способ очистки.
Полезные ссылки
Ещё новости:
