May, 2019

手持机多帧超分辨率

PDF
TL;DR这篇论文中，我们使用多帧超分辨率算法直接从一连串的彩色滤波阵列原始图像中创建完整的 RGB 图像，以替代传统的单帧和连拍摄影流程中使用的去马赛克方法。该算法旨在提高图像分辨率和信噪比，支持多种场景条件，可以在短时间内运行。实际应用于手机的两个功能：Super-Res Zoom 和 Night Sight 模式。
smartphone camerasmultiframe super-resolution algorithmcfa raw imagesimage resolutionsignal-to-noise ratio
发现论文，激发创造
  • 深度爆发超分辨率

    本文提出了一种基于多帧图像超分辨率技术的新型神经网络结构，以像素级光流明确对齐输入帧的深嵌入，使用基于注意力的融合模块自适应地合并来自所有帧的信息，以产生高质量重建的 RGB 图像；同时介绍了 BurstSR 数据集，在真实世界数据上进行了全面实验分析，证明了该模型的有效性。

    Jan, 2021

  • BSRAW：提升盲目 RAW 图像超分辨率

    通过直接处理原始图像，设计了一个适用于训练原始传感器数据模型的逼真退化管道，以实现在原始领域盲目图像超分辨率，并提出了一个新的数据集和基准

    Dec, 2023

  • 学习从事件中超分辨强度图像

    该研究提出一种基于事件流的端到端神经网络，能够从低空间分辨率的事件摄像头中重建出高分辨率，高动态范围的图像，优于现有同类算法，可通过使用主动传感像素框架或迭代重建图像方法进一步扩展。

    Dec, 2019

  • 移动电话上使用相机融合的高效混合变焦

    提出了一种在移动设备上的混合变焦超分辨率的有效系统，通过捕捉一对同步的广角镜头和望远镜头拍摄的图像，并利用机器学习模型将细节从望远镜头转移到广角镜头，进一步提出了自适应混合方法以解决景深不匹配、场景遮挡、流动不确定性和对齐误差问题，并通过在真实情景下进行广泛评估，与最先进的方法进行比较，以在移动平台上 500ms 内生成一张 1200 万像素的图像。

    Jan, 2024

  • 极低光条件下的手持移动摄影

    我们提出了一种在极低光下捕捉干净、锐利、丰富色彩的照片的系统，采用运动测量、自适应白平衡和鲁棒图像融合技术，用于移动设备拍摄的人类肉眼难以辨别的环境下，普通用户在几秒钟内拍摄和分享照片。

    Oct, 2019

  • 深度混合相机去模糊

    提出了一种用于多摄像头智能手机的模糊处理框架，利用混合成像技术，通过同时捕捉来自智能手机的长曝光广角图像和超广角连拍图像，并使用清晰的连拍图像估计模糊核进行广角图像的去模糊处理。使用创建的 HCBlur 数据集进行网络的学习和评估，该数据集包含模糊的广角图像、清晰的超广角连拍图像以及它们的清晰广角图像对应物。通过广泛的评估，结果显示出了现有技术的高质量。

    Dec, 2023

  • 移动设备上的实时神经视频恢复与增强

    移动设备上的视频流媒体体验优化是一个挑战，本文提出了一种基于深度学习的实时增强方法，包括视频帧恢复、超分辨率算法和接收端增强感知的视频比特率自适应算法，评估结果显示该方法能够提高视频流媒体系统的实时增强效果，并显著提高 24% 至 82% 的视频体验质量。

    Jul, 2023

  • Lucas-Kanade Reloaded：从原始图像突发中端到端的超分辨率

    本文提出了一种混合算法来解决从不同空间和时间视角拍摄的多个低分辨率快照重建高分辨率图像的问题，并证明其在合成和真实图像集上均优于其他方法。

    Apr, 2021

  • 多传感器 HDR 视频重建的统一框架

    该论文提出了一种基于多传感器的摄像机系统，旨在直接从原始传感器数据进行 HDR 组装的统一方法，其中包括适用于 HDR 视频的相机噪声模型和基于拟合局部多项式逼近观察到的传感器数据的空间自适应 HDR 重构算法。

    Aug, 2013

  • 远距学习，学以致远

    通过使用真实的 RAW 传感器数据进行训练，本文表明将机器学习应用于数码变焦较为有利。作者们还展示了如何通过光学变焦图像获取高准确度的真实高分辨率图像用于训练深度神经网络，并提出了一种新的上下文双边损失（CoBi）算法，使得训练出的网络在 4 倍和 8 倍的计算缩放中实现了最佳性能。

    May, 2019