Mar, 2017

稳健引导滤波

PDF
TL;DR本文提出了一种基于数据项和光滑项的 Robust Guided Image Filtering（RGIF）通用框架，旨在解决引导图像与目标图像之间的结构不一致性以及目标图像中噪声的问题。该模型可同时去噪目标图像和执行对噪声具有鲁棒性的 GIF 操作，并具有良好的边缘保持平滑处理效果。通过提出的迭代加权最小二乘法（IRLS）方法来解决高度非凸问题，进一步开发基于数据驱动的参数优化方案，以适当确定模型中参数。
guided image filteringrobust guided image filteringdata termsmoothness termiteratively re-weighted least squares
发现论文，激发创造
  • 增强的边缘感知导向图像滤波

    本文提出了一种新的引导图像滤波器，通过整合显式一阶边缘保护约束和显式残差约束，在不一致结构的引导图像和输入图像的情况下提高了边缘保护能力，同时在单一图像细节增强、多尺度曝光融合和高光谱图像分类等典型应用中展示了其效率。通过理论分析和实验结果，证明了该滤波器具有强大的边缘保护能力。

    Oct, 2023

  • 引导图像恢复的同时特征与图像引导融合

    通过同时考虑特征和图像级别的引导融合，我们提出了一种 Simultaneous Feature and Image Guided Fusion (SFIGF) 网络用于图像导向恢复任务，该网络结合了传统的引导滤波机制和深度学习方法，旨在同时恢复图像的上下文信息和细节信息。

    Dec, 2023

  • 结构保持引导的视网膜图像滤波及其在视盘分析中的应用

    本研究提出了一种新的受结构保护的引导性视网膜图像滤波方法（SGRIF），该方法可以有效地恢复降质的视网膜图像，并可用于辅助计算机支持的诊断方法，提高视杯分割和杯盘比率测量的准确性。

    May, 2018

  • 引导深度超分辨率的联合隐式图像函数

    本文提出了一种将指导性先验信息引入深度超分辨率模型的方法，使用联合隐式函数 (JIIF) 来表示目标图像领域，并使用图注意力机制在联合深度隐式函数中学习插值权重，该方法在三个公共基准测试中显着优于现有方法。

    Jul, 2021

  • 对抗性训练的向导插值方法

    本文提出了一种 Guided Interpolation Framework （GIF）框架，该框架利用前一轮 epoch 的 meta 信息来引导数据插值，达到提高可攻击性数据的比例从而增强鲁棒性、减少模型各类之间的线性关系、鼓励模型在每个类别簇中不变地进行预测的目的。实验证明，GIF 确实可以在各种 Adversarial Training 方法和各种数据集上增强对抗鲁棒性。

    Feb, 2021

  • 快速引导滤波器

    本文介绍了一种对引导滤波器的简单加速方法，通过采用子采样技术将其时间复杂度从 O (N) 优化到 O (N/s^2)，使其在图像编辑等实际应用中获得了较高的速度和可用性。

    May, 2015

  • 深度卷积神经网络联合图像滤波

    本研究提出了一种学习性方法，基于卷积神经网络构建联合滤波器，该算法可以选择性地传输与指导和目标图像一致的重要结构，验证表明该联合滤波器在抑制噪声或增强空间分辨率方面具有有效性，并且具有与现有最先进方法相当的性能。

    Oct, 2017

  • Pix2Gif: 基于动态扩散的 GIF 生成

    我们提出了 Pix2Gif，一种用于图像到 GIF（视频）生成的运动引导扩散模型。通过将任务表述为由文本和运动幅度提示引导的图像转换问题，我们以不同的方式解决了这个问题。为了确保模型遵循运动引导，我们提出了一种新的运动引导变形模块，以在两种提示的条件下空间转换源图像的特征。此外，我们引入了一个感知损失，确保变换后的特征图与目标图像保持相同的空间，以确保内容的一致性和连贯性。在模型训练准备阶段，我们通过从 TGIF 视频标题数据集中提取一致的图像帧来精心筛选数据，该数据集提供了关于主题的时序变化的丰富信息。在预训练之后，我们以零样本的方式将我们的模型应用于多个视频数据集。广泛的定性和定量实验证明了我们的模型的有效性 - 它不仅捕捉了文本的语义提示，还捕捉了运动引导的空间提示。我们使用一个 16xV100 GPU 节点训练所有模型。代码、数据集和模型在此 https URL 中公开。

    Mar, 2024

  • 引导式线性上采样

    提出了一种简单而有效的引导上采样方法，通过优化上采样误差的低分辨率像素的索引和权重来表示高分辨率图像中的每个像素，从而更好地保留细节效果，并抑制出血和模糊等伪影，该方法适用于交互式图像编辑和实时高分辨率视频处理。

    Jul, 2023

  • 在有限区间内应用引导改善扩散模型的样本和分布质量

    通过限制特定范围的噪声水平，改进了图像生成扩散模型中的引导技术，从而在各个参数、网络结构和数据集上显著提高推理速度和结果质量，建议将引导间隔作为扩散模型的超参数暴露出来。

    Apr, 2024