年份 题目 作者 专注任务 主要使用的深度学习框架 基础框架归属 在基础框架上的改进方法 2018 Deep Learning for Image Denoising: A Survey Chunwei Tian 等 去噪综述 深层残差 CNN 去噪综述 DnCNN 系统总结残差学习、BN、空洞卷积与噪声级建模，奠定后续 DnCNN 系改进路线。 2019 Enhanced CNN for Image Denoising Chunwei Tian 等 去噪 Residual CNN + BN + Dilated Conv DnCNN 在 DnCNN 残差去噪主干上强化感受野与稳定训练，提升噪声建模能力。 2020 Coarse-to-Fine CNN for Image Super-Resolution (CFSRCNN) Chunwei Tian 等 单图超分 Coarse-to-Fine 级联 CNN SRCNN 从单尺度映射转为粗到细逐级重建，减少细节恢复中的信息断裂。 2020 Lightweight Image Super-Resolution with Enhanced CNN Chunwei Tian 等 单图超分 轻量级增强 CNN SRCNN 在 SRCNN 路线上做轻量化与特征复用优化，提升性能/参数比。 2020 Deep Learning on Image Denoising: An Overview Chunwei Tian 等 去噪综述 CNN/UNet/GAN 去噪综述 DnCNN 梳理从传统先验到残差 CNN 的迁移，为后续多分支去噪网络提供设计参照。 2020* Attention-guided CNN for image denoising Chunwei Tian, Yong Xu, Zuoyong Li, Wangmeng Zuo, Lunke Fei, Hong Liu 去噪 ADNet（Sparse/Dilated + Attention 残差 CNN） ADNet 在 DnCNN 主干上加入稀疏空洞卷积、长路径特征增强与轻量注意力块，提升复杂噪声建模与参数效率。 2020 Image denoising using deep CNN with batch renormalization Chunwei Tian, Yong Xu, Wangmeng Zuo 去噪 BRDNet（双分支 CNN + BRN + Dilated Conv） DnCNN 将 BN 替换为 BRN 以稳定小 batch 训练，并通过双分支宽结构与空洞卷积扩大感受野、提升鲁棒性。 2021 Designing and Training of a Dual CNN for Image Denoising (DudeNet) Chunwei Tian 等 去噪 双分支 CNN 去噪 DnCNN / ADNet 将单链路残差去噪升级为双分支互补学习，增强细节与噪声分离。 2021 Asymmetric CNN for Image Super-Resolution Chunwei Tian 等 单图超分 非对称卷积 SR 网络 SRCNN 用非对称卷积与多层残差融合替代同构块堆叠，提升方向纹理建模。 2022 A Diffusion Model with A FFT for Image Inpainting Yuxuan Hu 等 图像补全 Diffusion + FFT + CNN Diffusion Models for IR&E 在扩散修复中引入频域约束与 CNN 细节补偿，改善高频纹理重建。 2022 A Dual CNN for Image Super-Resolution Chunwei Tian 等 单图超分 双支路 SR-CNN SRCNN 将单支路 SR 映射改为双支路互补表示，增强细节恢复与鲁棒性。 2022 A Hybrid CNN for Image Denoising Menghua Zheng 等 去噪 混合卷积去噪 CNN DnCNN / ADNet 融合空洞卷积与重参数化模块，兼顾大感受野和推理效率。 2022 An Improved U-Net for Watermark Removal Lijun Fu, Bei Shi, Ling Sun, Jiawen Zeng, Deyun Chen, Hongwei Zhao, Chunwei Tian 水印去除 IWRU-net（串联双 U-Net） U-Net 由单 U-Net 升级为串联双 U-Net，强化多尺度编码解码与跳连融合，在盲水印场景下显著提升去除质量。 2022 Image Super-Resolution with an Enhanced Group Convolutional Neural Network Chunwei Tian 等 单图超分 组卷积 SR-CNN SRCNN 在 SRCNN 系中引入组卷积与自适应上采样，降低冗余并增强多通道表达。 2022 Generative Adversarial Networks for Image Super-Resolution: A Survey Ziang Wu 等 超分综述 GAN-SR 综述（SRGAN/ESRGAN） GAN for image restoration 归纳从 SRGAN 到 ESRGAN 的损失/结构演进，明确“感知质量-失真”权衡路径。 2023 A Parallel and Serial Denoising Network Qi Zhang 等 去噪 并行-串行混合去噪网络 ADNet / DenseNet 用并行异构提取 + 串行致密聚合替代纯串行块堆叠，提升多尺度噪声抑制。 2023 A robust deformed convolutional neural network (CNN) for image denoising Qi Zhang 等 去噪 Deformable CNN + Residual 去噪 DnCNN 在 DnCNN 链路中引入可变形卷积与扩张卷积，改善非均匀噪声和结构对齐。 2023 Multi-stage image denoising with the wavelet transform Chunwei Tian 等 去噪 多阶段 CNN + 小波增强 ADNet / DnCNN 把频域小波块嵌入多阶段去噪流程，增强高频细节恢复与鲁棒性。 2023 Lightweight Image Denoising Network for Multimedia Teaching System Xuanyu Zhang 等 去噪 轻量 CNN + 动态卷积 ADNet / DnCNN 通过动态卷积和并行-串行混合结构实现轻量化部署与性能平衡。 2024 A cross Transformer for image denoising Chunwei Tian 等 去噪 CNN-Transformer 交互去噪网络 SwinIR（Transformer-IR） 在局部卷积和全局注意力间建立跨模块交互，提升复杂纹理去噪能力。 2024 A Self-Supervised CNN for Image Watermark Removal Chunwei Tian 等 水印去除 自监督 CNN/U-Net 变体 U-Net / DnCNN 用自监督配对构造替代强标注训练，将去噪残差思想迁移到水印移除任务。 2024* A self-supervised network for image denoising and watermark removal Chunwei Tian, Jingyu Xiao, Bob Zhang, Wangmeng Zuo, Yudong Zhang, Chia-Wen Lin 去噪+水印去除 SSNet（并行改进 U-Net + 自监督） U-Net 设计上/下双分支（分阶段与联合学习互补）并引入跨分支注意力交互，用自监督伪配对同时建模去噪与去水印。 2024 Perceptive Self-Supervised Learning Network for Noisy Image Watermark Removal Chunwei Tian 等 水印去除+去噪 双分支自监督网络 + 感知分支 U-Net / DnCNN 在自监督水印去除上加入感知约束与双分支解耦，提升细节保真度。 2024 A Heterogeneous Group CNN for Image Super-Resolution Chunwei Tian 等 单图超分 异构组卷积 SR 网络 SRCNN 用异构组块与并行上采样强化多通道特征互补，提升高倍率重建稳定性。 2024 Heterogeneous Window Transformer for Image Denoising Chunwei Tian 等 去噪 异构窗口 Transformer SwinIR 在窗口注意力框架下引入异构窗口配置，缓解固定窗口对细节/全局建模冲突。 2024 Image Super-Resolution via Dynamic Network Chunwei Tian 等 单图超分 动态卷积 SR 网络 SRCNN 将静态卷积升级为输入自适应动态卷积，提升退化变化场景下泛化。 2024 Adaptive Convolutional Neural Network for Image Super-resolution Chunwei Tian 等 单图超分 异构并行 + 动态卷积 SR-CNN SRCNN 在残差 SR 主干中引入自适应卷积核选择，增强多尺度结构恢复能力。 2024 Efficient Feature Redundancy Reduction for Image Denoising Qi Zhang 等 去噪 冗余抑制去噪 CNN DnCNN 通过特征冗余削减模块减少无效通道交互，在同等算力下提升 PSNR。 2024 Efficient Image Denoising with Heterogeneous Kernel-Based CNN Yuxuan Hu 等 去噪 异构大核去噪 CNN DnCNN 在 DnCNN 系统中引入异构大核与重参数化，扩大感受野并保持部署效率。 2024 Texture-guided CNN for Image Denoising Qi Zhang 等 去噪 纹理引导双分支去噪 CNN DnCNN / ADNet 用纹理先验分支引导主干去噪，减轻过平滑并提升细节保留。 2024 An Enhanced GAN for Image Generation Chunwei Tian, Haoyang Gao, Pengwei Wang, Bob Zhang 图像生成（可迁移为复原先验） EIGGAN（PGGAN + 并行残差 + 空间注意力） GAN for image restoration 在 PGGAN 生成器中引入并行残差与空间注意力，并采用混合正则化损失，增强高频细节合成能力。 2025 A Cosine Network for Image Super-Resolution Chunwei Tian 等 单图超分 异构 OEB/EEB 残差 SR 网络 SRCNN 通过 Odd/Even 异构块 + 多级残差融合 + 余弦退火训练提升重建上限。 2025 A Tree-guided CNN for Image Super-Resolution Chunwei Tian 等 单图超分 树结构多分支 SR-CNN SRCNN 引入树形层级聚合与余弦卷积块，增强层次特征重用与方向敏感建模。 2025 A Cluster Tree Network for Image Super-Resolution Chunwei Tian 等 单图超分 树引导 + 聚类/条件卷积 SR 网络 SRCNN 在树结构 SR 上加入簇路由与条件卷积，提升复杂纹理区域建模效率。 2025 Application of Convolutional Neural Networks in Image Super-Resolution Chunwei Tian 等 超分综述 CNN-SR 综述 SRCNN 系统总结 SRCNN 系与后续残差/上采样机制的演化脉络。 2025 Dynamic Snake Convolution Neural Network for Enhanced Image Super-Resolution Weiqiang Xin 等 单图超分 DSCNN（Dynamic Snake Conv + 多尺度并行） SRCNN 在残差 SR 网络中引入蛇形动态卷积进行几何自适应采样，并结合多尺度并行卷积提升边缘与纹理连续性。 2025* An Omni-Dimensional Dynamic Convolutional Network for Single-Image Super-Resolution Tasks Xi Chen, Ziang Wu, Weiping Zhang, Tingting Bi, Chunwei Tian 单图超分 ODConvNet（全维动态卷积 SR-CNN） SRCNN 将动态卷积扩展到 kernel/input/output/spatial 四维注意力，并与静态卷积并联融合，增强复杂结构重建能力。 2025 Implicit Multi-Scale Swin Transformer Network for Image Denoising (IMSNet) Chunwei Tian 等 去噪 多尺度 Swin + 隐式动力学建模 SwinIR 在 SwinIR 路线中引入隐式多尺度演化模块，提升跨噪声强度稳健性。 2025 3D Enhanced Residual CNN for Video Super-Resolution Network Weiqiang Xin 等 视频超分 3D CNN + 双向时序传播 SRCNN 由单帧 SR 扩展到时空联合建模，结合显式对齐和 3D 卷积提高时序一致性。 2022* VRT: A Video Restoration Transformer Jingyun Liang 等 视频复原/视频超分 多尺度视频 Transformer（TMSA） SwinIR（Transformer-IR） 将窗口注意力扩展到时序互注意，融合并行长序列建模与显式对齐。 2023 Denoising Diffusion Models for Plug-and-Play Image Restoration Yuanzhi Zhu 等 去噪/去模糊/通用复原 DiffPIR（HQS + Diffusion Prior） Diffusion Models for IR&E 用扩散先验替代传统 PnP 高斯去噪器，实现生成式先验驱动的通用逆问题求解。 2023* Practical Blind Image Denoising via Swin-Conv-UNet and Data Synthesis Kai Zhang 等 盲去噪 SCUNet（Swin + Conv UNet） SwinIR 把 DRUNet 局部建模与 SwinIR 非局部建模合并，并配套真实噪声合成策略。 2024* AddSR: Accelerating Diffusion-based Blind Super-Resolution with Adversarial Diffusion Distillation 作者未在 index 解析 盲超分 扩散蒸馏 + 对抗约束 Diffusion Models for IR&E 将多步扩散蒸馏为少步/一步并注入对抗学习，显著缩短推理链路。 2024* Deep Unpaired Blind Image Super-Resolution Using Self-supervised Learning and Exemplar Distillation Jiangxin Dong 等 盲超分 EDSR/RCAB 风格 CNN + 自监督蒸馏 SRCNN 在无配对数据下联合核估计与重建，并通过 exemplar distillation 稳定高频恢复。 2024* Learning an Adaptive Sparse Transformer for Efficient Image Restoration Shihao Zhou 等 去噪/去模糊/去雨等复原 AST-v2（自适应稀疏注意力） SwinIR（Transformer-IR） 用自适应稀疏注意力和频率增强 FFN 降低注意力冗余，兼顾效率与精度。 2024* Binarized Diffusion Model for Image Super-Resolution (BI-DiffSR) Zheng Chen 等 超分 二值化扩散 UNet Diffusion Models for IR&E 在扩散 SR 主干上做 1-bit 量化并设计一致性上下采样结构，压缩计算与存储。 2024* 2DQuant: Low-bit Post-Training Quantization for Image Super-Resolution Kai Liu 等 超分 SwinIR-light 低比特 PTQ SwinIR 通过分布感知边界初始化 + 蒸馏校准降低 Transformer-SR 超低比特量化损失。 2024* HiT-SR: Hierarchical Transformer for Efficient Image Super-Resolution Xiang Zhang 等 超分 层级窗口 Transformer-SR SwinIR 将固定窗口替换为层级扩展窗口并加入空间-通道相关建模，增强大感受野表达。 2025* CondiQuant: Condition Number Based Low-Bit Quantization for Image Super-Resolution Kai Liu 等 超分 SwinIR-light 条件数驱动 PTQ SwinIR 以线性层条件数指导量化边界与校准，重点抑制激活量化误差。 2025* DeblurDiff: Real-World Image Deblurring with Generative Diffusion Models 作者未在 index 解析 去模糊 条件扩散去模糊模型 Diffusion Models for IR&E 将真实去模糊转为条件生成过程，利用多步去噪改善复杂非均匀模糊恢复。 2025* Devil is in the Uniformity: Exploring Diverse Learners within Transformer for Image Restoration Shihao Zhou 等 通用图像复原 HINT（层级多头注意力 Transformer） SwinIR（Transformer-IR） 对 MHA 做非均匀层级划分与跨层 QK 缓存更新，减少 head 冗余并增强多样性。 2025* Bridging Fidelity-Reality with Controllable One-Step Diffusion for Image Super-Resolution Hao Chen 等 超分 单步潜空间扩散（CODSR） Diffusion Models for IR&E 通过区域自适应先验激活与双 LoRA 调制，改善单步扩散的保真-真实感可控性。 2025* FideDiff: Efficient Diffusion Model for High-Fidelity Image Motion Deblurring Xiaoyang Liu 等 去模糊 潜空间扩散 + consistency 训练 Diffusion Models for IR&E 将前向过程重定义为 blur trajectory，并结合轻量适配提高高保真去模糊效率。 2025* Frequency Domain-Based Diffusion Model for Unpaired Image Dehazing Chengxu Liu 等 去雾 频域条件扩散（FrDiff） Diffusion Models for IR&E 在幅度谱域做扩散重建并结合空间域网络，实现无配对去雾的稳健细节恢复。 2025* InfVSR: Breaking Length Limits of Generic Video Super-Resolution Ziqing Zhang 等 视频超分 AR + One-step Diffusion Transformer Diffusion Models for IR&E 采用 chunk 自回归 + 单步扩散 + KV-cache，突破长视频 VSR 的时长瓶颈。 2025* Intra and Inter Parser-Prompted Transformers for Effective Image Restoration Cong Wang 等 通用图像复原 SAM 提示的 U 形 Transformer SwinIR（Transformer-IR） 引入 parser-prompted intra/inter attention，把结构先验显式注入复原过程。 2026 A Heterogeneous CNN with Transformers for Image Denoising Chunwei Tian, Tongtong Cheng, Yingpeng Ma, Qi Zhu, Bob Zhang, David Zhang 去噪 HTDNet（异构 CNN + 轻量 Transformer） SwinIR（Transformer-IR） 通过 HAR 异构融合块与轻量 Transformer 分支联合建模局部/全局特征，并以对称增强机制缓解深层退化与复杂度上升。 2026* Lightweight Multi-Dilated Transformer for Image Deblurring Zhihao Zhao 等 去模糊 MDFormer（多空洞 Transformer） SwinIR（Transformer-IR） 在窗口注意力前后引入多空洞聚合与空洞 FFN，扩大有效感受野并保持轻量。 2026* Neural Discrimination-Prompted Transformers for Efficient UHD Image Restoration and Enhancement Cong Wang 等 UHD 去噪/去雾/去模糊 NDPT（判别先验提示 Transformer） SwinIR（Transformer-IR） 通过高低分辨率神经差异先验引导 Transformer 复原，提升 UHD 场景的效率与质量。 2025* Omni-Deblurring: Capturing Omni-Range Context for Image Deblurring Yaowei Li 等 去模糊 CNN-Transformer 混合 U 形网络 SwinIR（Transformer-IR） 提出 Omni-range Context Block 同步建模局部/区域/全局信息，改善复杂模糊恢复。 2025* One-Step Diffusion Model for Image Motion-Deblurring Xiaoyang Liu 等 去模糊 单步潜空间扩散 + eVAE Diffusion Models for IR&E 以单步扩散替代多步采样，并重构 VAE 编解码链路以减小细节损失。 2025* PatchScaler: An Efficient Patch-Independent Diffusion Model for Image Super-Resolution Yong Liu 等 超分 DiT 扩散 SR + patch 自适应采样 Diffusion Models for IR&E 按 patch 复杂度动态分配扩散采样与重建预算，降低冗余计算。 2025* PGP-DiffSR: Phase-Guided Progressive Pruning for Efficient Diffusion-based Image Super-Resolution Zhongbao Yang 等 超分 潜空间扩散 SR + 渐进剪枝 Diffusion Models for IR&E 对扩散 UNet 进行相位引导粗到细剪枝，在保性能前提下显著压缩模型。 2025* QArtSR: Quantization via Reverse-Module and Timestep-Retraining in One-Step Diffusion based Image Super-Resolution Libo Zhu 等 超分 一步扩散 SR 低比特量化 Diffusion Models for IR&E 用 timestep retraining + reverse-module 校准降低一步扩散模型量化误差。 2025* RIFLE: Removal of Image Flicker-Banding via Latent Diffusion Enhancement Libo Zhu 等 伪影去除/增强 潜空间扩散 + FB 先验估计 Diffusion Models for IR&E 将 flicker-banding 去除建模为先验条件扩散复原，加入条纹参数估计器增强可控性。 2025* STCDiT: Spatio-Temporally Consistent Diffusion Transformer for High-Quality Video Super-Resolution Junyang Chen 等 视频超分 预训练视频 DiT + 锚帧调制 Diffusion Models for IR&E 通过运动感知 VAE 重建和锚帧特征调制提高时空一致性与细节稳定性。 2025* Towards Redundancy Reduction in Diffusion Models for Efficient Video Super-Resolution Jinpei Guo 等 视频超分 单步视频 DiT + 注意力重路由 Diffusion Models for IR&E 用 attention specialization routing 重分配 head 职责并移除冗余模块，提效降耗。 2025* DOVE: Efficient One-Step Diffusion Model for Real-World Video Super-Resolution Zheng Chen 等 视频超分 CogVideoX 一步扩散适配 Diffusion Models for IR&E 基于预训练视频扩散模型做 latent/pixel 两阶段训练，兼顾速度与真实视频质感。 2025* BiMaCoSR: Binary One-Step Diffusion Model Leveraging Flexible Matrix Compression for Real Super-Resolution Kai Liu 等 超分 一步扩散 + 二值化 + 矩阵压缩 Diffusion Models for IR&E 在一步扩散 SR 上引入 1-bit 压缩与补偿分支，降低部署开销并维持重建质量。 2024* Flexible Residual Binarization for Image Super-Resolution Yulun Zhang 等 超分 SRResNet/SwinIR 的 1-bit QAT 框架 SwinIR / SRCNN 用二阶残差二值化与灵活补偿分支缓解极低比特下的纹理退化。 2026* Ultravsr: Achieving Ultra-Realistic Video Super-Resolution with Efficient One-Step Diffusion Space 作者未在 index 解析 视频超分 一步扩散空间蒸馏 Diffusion Models for IR&E 通过多步到单步蒸馏构建高效扩散空间，提升视频超分的推理可用性。 2026* QuantVSR: Low-Bit Post-Training Quantization for Real-World Video Super-Resolution Bowen Chai 等 视频超分 扩散视频 SR 的低比特 PTQ Diffusion Models for IR&E 基于时空复杂度做层级低秩补偿与量化校准，降低 VSR 扩散模型部署成本。