UniFixer：基于扩散模型的通用参考引导视图修复器
计算机视觉与模式识别
2026-05-13 v1
摘要
随着生成模型的近期崛起，扩散方法已成为视图合成任务的主流，既可显式地采用深度-错位-填充方式，也可隐式地采用全连接方式。尽管成功，但两者常因像素到潜在压缩和扩散幻觉导致质量明显下降，如模糊细节和结构失真。本文从三个关键维度（即空间、时间和主干相关）考察扩散退化，并提出UniFixer，一个通用参考引导框架，通过粗到细策略修复多样化的退化伪迹。具体而言，首先设计参考预对齐模块，在参考视图与受损新视图之间进行粗略对齐。随后，引入全局结构锚定机制以纠正几何畸变，确保结构保真度，再配合局部细节注入模块恢复细粒度纹理细节，以实现高质量视图合成。我们的UniFixer作为即插即用的refiner，实现了跨不同类型扩散退化的零样本修复，广泛实验验证了其在新视图合成和立体转换方面的领先性能。
引用
@article{arxiv.2605.12169,
title = {UniFixer: A Universal Reference-Guided Fixer for Diffusion-Based View Synthesis},
author = {Sihan Chen and Xiang Zhang and Yang Zhang and Tunc Aydin and Christopher Schroers},
journal= {arXiv preprint arXiv:2605.12169},
year = {2026}
}