image-restoration

GFPGAN busca desarrollar algoritmos prácticos para la restauración de rostros en el mundo real.

Real-ESRGAN tiene como objetivo desarrollar algoritmos prácticos para la restauración general de imágenes y videos.

SwinIR: Restauración de imágenes usando Swin Transformer (repositorio oficial)

[ECCV 2024] códigos de DiffBIR: Hacia la restauración ciega de imágenes con prior de difusión generativa

Caja de herramientas de restauración de imágenes (PyTorch). Códigos de entrenamiento y prueba para DPIR, USRNet, DnCNN, FFDNet, SRMD, DPSR, BSRGAN, SwinIR

El modelo de restauración de imágenes de última generación sin funciones de activación no lineales.

[CVPR 2022--Oral] Restormer: Transformer eficiente para la restauración de imágenes de alta resolución. SOTA para eliminación de desenfoque por movimiento, eliminación de lluvia, reducción de ruido (datos gaussianos/reales) y eliminación de desenfoque por desenfoque focal.

Implementación en NCNN de Real-ESRGAN. Real-ESRGAN tiene como objetivo desarrollar algoritmos prácticos para la restauración general de imágenes.

Una colección de artículos y código para CVPR2026/CVPR2025/CVPR2024/CVPR2021/CVPR2020 Low Level Vision.

Retinexformer: Transformer basado en Retinex de una sola etapa para la mejora de imágenes con poca luz (Top 10 más citado en ICCV 2023 🏆, subcampeón en NTIRE 2024 🏆, ganador en NTIRE 2025 🏆 y ganador en NTIRE 2026 🏆).

[CVPR 2021] Restauración de imágenes progresiva multietapa. Resultados SOTA para eliminación de desenfoque, lluvia y ruido en imágenes.

[ICLR 2023 Oral] Restauración de imágenes zero-shot utilizando el modelo de espacio nulo de difusión por reducción de ruido

Repositorio para SeedVR2 (ICLR2026) y SeedVR (CVPR2025 Highlight)

Implementación oficial de HYPIR: Harnessing Diffusion-Yielded Score Priors for Image Restoration (SIGGRAPH 2025).

Caja de herramientas para la reconstrucción de imágenes espectrales compresivas, incluyendo MST (CVPR 2022), CST (ECCV 2022), DAUHST (NeurIPS 2022), BiSCI (NeurIPS 2023), HDNet (CVPR 2022), MST++ (CVPRW 2022), entre otros.

[CVPR 2022] Implementación oficial del artículo "Uformer: A General U-Shaped Transformer for Image Restoration".

[ICLR2026] SeedVR2: Restauración de video en un solo paso mediante post-entrenamiento adversario de difusión.

[NeurIPS 2025] 4KAgent: Agente para superresolución 4K de cualquier imagen. Un agente inteligente de visión artificial capaz de restaurar mágicamente cualquier imagen a una calidad 4K perfecta.

[ICLR 2024] Control de modelos de lenguaje visual para la restauración universal de imágenes. Quinto lugar en el desafío NTIRE 2024 Restore Any Image Model in the Wild.

[ICLR 2025] Implementación oficial de Posterior-Mean Rectified Flow: Hacia una restauración de imágenes fotorrealistas con MSE mínimo

[ECCV 2024] InstructIR: Restauración de imágenes de alta calidad siguiendo instrucciones humanas https://huggingface.co/spaces/marcosv/InstructIR

[ECCV 2020] Aprendizaje de características enriquecidas para la restauración y mejora de imágenes reales. Resultados SOTA para eliminación de ruido, superresolución y mejora de imágenes.

Restauración de imágenes con ecuaciones diferenciales estocásticas de reversión a la media, ICML 2023. Solución ganadora del desafío NTIRE 2023 de eliminación de sombras en imágenes.

Restauración de imágenes TEMPEST mediante aprendizaje profundo.

[ECCV] Swin2SR: SwinV2 Transformer para superresolución y restauración de imágenes comprimidas. Taller Advances in Image Manipulation (AIM) en ECCV 2022. ¡Pruébalo! Más de 3.3 millones de ejecuciones https://replicate.com/mv-lab/swin2sr

Una colección de artículos y códigos de CVPR2023/2022 sobre visión de bajo nivel.

Procesamiento de señales de imagen por IA y fotografía computacional. Biblioteca oficial para los desafíos NTIRE (CVPR) y AIM (ICCV/ECCV). Incluye ISPs aprendidos, restauración-escalado-reconstrucción de RAW, mejora de imagen, renderizado de bokeh y más.

[IEEE TPAMI 2025] Un estudio sobre la restauración de imágenes todo en uno: taxonomía, evaluación y tendencias futuras

[BMVC 2022] Solo necesitas 90K parámetros para adaptar la luz: un Transformer ligero para mejora de imagen y corrección de exposición. SOTA para mejora con poca luz, 0.004 segundos, pruébalo para preprocesamiento.

[CVPR 2020--Oral] CycleISP: Restauración de imágenes reales mediante síntesis de datos mejorada.