Newest papers

Dual-Scale Condition-Shift Editing for Robust Real-World Image Demoiréing

Shiyang Zhou, Haijin Zeng, Congpei Qiu, Zhengcen Li, Ping Chen, Xiangming Wang, Zheng Li, Yongyong Chen · 2026 · arXiv

DOI: 10.48550/arXiv.2610.26644 · open-access PDF

Russian

Прочная демонстрация изображений, захваченных экраном, остается сложной задачей: мойре варьируется по частоте, цвету и пространственной поддержке по парам дисплея-камеры и условиям съемки. Специальные сети восстановления, обученные на конечных параллельных данных, борются с этим разнообразием, особенно когда сопутствуют низкочастотные цветовые ленты и высокочастотные полосы. Мы представляем DemoiréEdit, структуру редактирования, сохраняющую контент, которая адаптирует естественное изображение до предварительно обученного редактора для демонстрации. Во-первых, цель обучения, контролируемая конечными точками, дополняет скорость, соответствующую пикселям, восприятию,

Machine translation (Meta M2M100); the English original follows.

Abstract

Robust demoiréing of screen-recaptured images remains challenging: moiré varies in frequency, color, and spatial support across display-camera pairs and capture conditions. Dedicated restoration networks trained on finite paired data struggle with this diversity, especially when low-frequency color banding and high-frequency stripes co-occur. We present DemoiréEdit, a content-preserving editing framework that adapts the natural-image prior of a pretrained flow-matching editor to demoiréing. First, an endpoint-supervised training objective supplements velocity matching with pixel, perceptual, a

Read in: English · Spanish · Chinese · Hindi · Arabic · Portuguese · French · German · Japanese · Russian · Korean · Indonesian · Vietnamese

Sources: OpenAlex (CC0), arXiv, Crossref. Agent Exchange