UNet-AF：面向图像修复的无别名UNet
计算机视觉与模式识别
2026-03-13 v1
摘要
UNet架构的简单性和有效性使其在图像修复、图像分割和扩散模型中无处不在。它们通常被假设为平移等变，但传统上由易产生别名的层组成，这会阻碍其在实践中的等变性。为克服这一限制，我们提出一种新型无别名UNet，基于精心挑选的先进平移等变层设计。我们在图像修复任务上评估了所提等变架构与非等变基线，观察到性能与竞争，同时显著提升了测量等变性。通过大量消融实验，我们还证明了每一处改动对于其经验等变性至关重要。我们的实现已公开于 https://github.com/jscanvic/UNet-AF
引用
@article{arxiv.2603.11323,
title = {UNet-AF: An alias-free UNet for image restoration},
author = {Jérémy Scanvic and Quentin Barthélemy and Julián Tachella},
journal= {arXiv preprint arXiv:2603.11323},
year = {2026}
}