论文综述 | Dorianyang 的妙妙文档

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。