Mar, 2017

ZM-Net: 实时零样本图像处理网络

PDF
TL;DR本文提出了一种零样本图像操作的方法，通过参数网络生成关键转换参数，将任何引导信号转换为图像转换网络。实验证明，这种方法可以实现高质量的图像操作，并且同时处理不同形式的引导信号，例如风格图像和属性。
image processingcomputer visionzero-shotimage manipulationparametric model
发现论文，激发创造
  • 学习操控艺术图像

    本文提出了一种基于任意风格图像操作网络（SIM-Net）的方法，该方法利用无语义信息作为指导并采用自我监督策略中的区域传输策略进行图像生成。定性和定量实验证明了我们的方法相较于现有方法的优越性。

    Jan, 2024

  • 基于扩散模型的图像属性编辑的零样本反演过程

    零样本反演过程 (ZIP) 是一个框架，将生成的视觉参考和文本引导注入预训练的去噪扩散模型的语义潜空间中，仅使用一个小型神经网络，ZIP 在文本提示的直观控制下产生多样的内容和属性，并对真实图像上的域内和域外属性操作展现了显著的鲁棒性。与最先进的方法相比，ZIP 在提供逼真的编辑效果的同时，生成了同等质量的图像。

    Aug, 2023

  • 生成式零样本网络量化

    本研究提出了一种基于 Batch Normalization 统计量的生成建模方法，能够为高层图像识别任务生成逼真的图像样本集合，来支持无需依赖真实数据的量化模型，实验表明该方法在 benchmark 数据集上有很好的性能表现。

    Jan, 2021

  • MVSS-Net：用于图像篡改检测的多视角多尺度监督网络

    本文介绍了一种新颖的多视角深度学习方法 MVSS-Net 和其增强版 MVSS-Net++，通过同时利用图像临界位置和输入图像的噪声视图进行特征学习，可实现对图像的普适性篡改检测，并通过实验显示表现优秀，且在 JPEG 压缩、高斯模糊和截屏重拍等情况下更具鲁棒性。

    Dec, 2021

  • 通过零通道剪枝实时高分辨率图像的通用风格转移

    本文提出了一种基于 ArtNet 的，在风格转移应用特别设计的零通道修剪算法以及一种理论上有根据的三明治交换变换（S2）模块，可以实现高分辨率图像上的通用，实时和高质量的风格转移。经全面实验验证，ArtNet 能够同时实现 68.03 FPS 的通用，实时，高质量的 512 x 512 图像的风格转移，较先前最先进的方法速度提高 2.3 到 107.4 倍。

    Jun, 2020

  • 区域：零样本指导下的局部编辑

    基于 Zero-shot 指令引导的局部图像编辑方法 ZONE 通过转换用户提供的指令，实现了对特定图像区域的任意操作，同时保留其他区域的编辑友好性，展现了出色的局部编辑效果，优于现有的最先进方法。

    Dec, 2023

  • 基于 Retinex 分解的零样本增强低光图像

    本文提出了一种基于学习的零参考低光增强方法，称为 ZERRINNet，通过利用 N-Net 网络、RI-Net 网络和纹理损失来解决低光图像增强中的亮度恢复、对比度、降噪和颜色失真问题，实现对训练数据的泛化性能的大幅提升。该方法经过在自制真实低光数据集和高级视觉任务上的有效验证，与当前最先进的方法相比具有竞争力的性能。其中，代码可在链接中获取。

    Nov, 2023

  • 基于生成模型的零样本图像协调

    该文提出了一种零样本图片和谐方法，该方法利用了人类长期对和谐图片的先验知识，并通过预训练的生成模型来实现先验，同时引入注意力约束文本来指导和谐方向，并设计一定的方法来保持前景内容结构。实验表明了该方法的有效性。

    Jul, 2023

  • 语义引导的零样本低光图像 / 视频增强

    本文提出了一种基于语义引导的零样本低光增强网络，用于低光图像的实时检测和分割，并在基准数据集和低光视频上进行了广泛的实验，表明该模型优于先前的最新技术水平。

    Oct, 2021

  • 多视角多尺度监督图像篡改检测

    本研究提出了一种新的网络 MVSS-Net，通过多视角特征学习和多尺度监督，从噪声分布和边界伪影等方面解决了图像操作检测中的敏感性和特异性问题，并在五个基准测试集上进行了广泛实验验证。

    Apr, 2021