CVPRMay, 2019

协作全局 - 局部网络的超高分辨率图像内存高效分割

PDF
TL;DR提出了一种以极高的内存效率保留全局和局部信息的协作全局 - 本地网络，同样适用于粗到细的分割，用于超高分辨率图像的分割。
ultra-high resolution imagescollaborative global-local networkssegmentationmemory-efficientclass imbalance
发现论文，激发创造
  • 基于内存限制的超高分辨率无人机影像语义分割

    该论文阐述了在 GPU 内存限制的情况下，实现高效而有效的超高分辨率无人机图像分割的复杂问题，提出了一种新颖的空间引导式高分辨率查询模块和高效的基于内存的交互方案来改进现有方法中较小、较细和曲线区域的分割效果。

    Oct, 2023

  • 渐进式语义分割

    该文章提出了一个名为 MagNet 的多尺度框架，可以在不超载 GPU 内存使用或丢失输出细节的情况下对高分辨率图像进行分割。

    Apr, 2021

  • 全局 - 局部分步生成网络用于超高分辨率图像恢复

    该论文介绍了使用全局 - 局部渐进式生成网络（GLSGN）来恢复超高分辨率图像，该模型利用四个恢复路径（三个局部路径和一个全局路径）进行恢复，其中局部路径聚焦于在局部但高分辨率的图像路径上进行细粒度的图像恢复，而全局路径则在缩小但完整的图像上大范围地进行图像恢复，以提供包括语义和噪声模式在内的全局视图的线索。同时该论文还介绍了第一个用于超高分辨率去反射和去雨纹的数据集，并展示了 GLSGN 在三个典型的背景恢复任务中的卓越性能。

    Jul, 2022

  • 堆叠 U-Net：自然图像分割的无花样方法

    本文提出了堆叠 U-Net（SUNet）通过反复迭代不同分辨率尺度的特征来维护分辨率，并利用 U-Net 的信息全球化能力在更深的网络结构中，能够处理自然图像的复杂性，在少量参数的情况下在语义分割任务上表现极佳。

    Apr, 2018

  • GLFNET：用于高效医学图像分割的全局 - 局部（频率）滤波网络

    我们提出了一种名为全局 - 局部滤波网络（GLFNet）的新型 Transformer 风格架构，用于医学图像分割，证明了其具有最先进的性能。我们用全局 - 局部滤波块取代了自注意机制，以优化模型效率。全局滤波器从整个特征图中提取特征，而局部滤波器以适应性方式作为相同特征图的 4x4 补丁生成并添加受限的尺度信息。特征提取发生在频率域而不是常用的空间（图像）域，以实现更快的计算。来自空间和频率空间的信息融合创建了一个在复杂性、所需数据和性能方面效率高的模型。我们在三个基准数据集上测试了 GLFNet，在所有数据集上都实现了最先进的性能，而在 GFLOP 操作方面几乎提高了一倍的效率。

    Mar, 2024

  • 基于区域感知上下文融合和交替局部增强的超高分辨率图像分割

    本文介绍了一种新的局部感知上下文融合图像分割模型，旨在处理具有大变化语义区域的超高分辨率图像，并通过交替本地增强模块限制冗余信息的负面影响以产生精细结果，实验结果表明其优于其他最先进的方法。

    Sep, 2021

  • 图像去马赛克和增强的高分辨率网络

    提出了一种高分辨率神经网络（HERN）方法，通过两个并行路径来学习两个不同分辨率下的图像特征，结合全局感知特征和多尺度特征，使用渐进训练方法处理图像去马赛克和增强任务，实现了令人满意的 GPU 内存使用和较快的模型收敛。在 AIM2019 RAW 转 RGB 挑战中取得了最先进的表现。

    Nov, 2019

  • RFC-Net：在有限计算成本下学习医学图像分割的高分辨率全局特征

    本文介绍了一种松散稠密连接策略和采用 m 向树结构的可感受野链路网络 (RFC-Net)，用于学习高分辨率全局特征。实验证明 RFC-Net 在 Kvasir 和 CVC-ClinicDB 基准测试中对息肉分割取得了最先进的性能。

    Feb, 2023

  • 非局部 U-Net 用于生物医学图像分割

    本文提出非局部 U-Net，它配备了灵活的全局聚合块，在医学影像分割中取得了良好的结果。

    Dec, 2018

  • 全局 - 局部人脸上采样网络

    本文提出了一种面部图像超分辨网络，该网络在低分辨率、大姿态、大光照变化等困难情况下，通过全局和局部约束的多层次特征提取和重建，通过对抗性损失函数进行优化，来实现面部图像重建和细节增强的目标，同时在控制和不受控制的实验环境下，与现有算法相比，在数量和视觉效果上均获得了显著的提高。

    Mar, 2016