ICCVAug, 2021

利用失真引导网络的空间自适应图像恢复

PDF
TL;DR本文提出了一种基于补偿放射变形的图像复原方法 SPAIR，该方法结合了损失定位信息和恰当的稀疏卷积，实现了对多种不同空间退化模型的适用，并且在多项实验中均取得了良好的表现。
image restorationdeep learningspairdegradation-specificdistortion-guided
发现论文，激发创造
  • 基于宽深学习的空间和强度自适应图像恢复

    本文提出了一种新的神经网络架构 DparNet，通过利用降低图像的先验知识来抑制其强度空间可变的复杂图像退化，该方法在图像降噪和抑制大气湍流效应等方面都取得了显著的成效，模型参数数量和计算复杂度均较小。

    May, 2023

  • 卫星图像修复的零样本框架

    该研究提出了一种新的对卫星图像进行去畸变和恢复的方法，使用失真、参考图像和知识蒸馏来训练模型，成功地解开了卫星图像质量问题。

    Jun, 2023

  • 可完全训练和可解释的非局部稀疏模型用于图像恢复

    本文提出了一种新的可微分松弛联合稀疏性方法，利用非局部自相似性和稀疏性原则进行图像恢复，经实验证明该方法参数少，性能与现有先进方法相当或更好。

    Dec, 2019

  • 单图像去噪的空间自适应网络

    本文提出了一种新颖的空间自适应去噪网络（SADNet），使用卷积神经网络，设计了残差空间自适应块，在采样时引入可变变形卷积以加权样本的空间相关特征，并引入了具有上下文块的编码器 - 解码器结构以捕获多尺度信息，通过从粗到细的噪声去除，可以获得高质量的无噪声图像。在实验结果中，我们的方法在量化和视觉上均优于现有的去噪方法。

    Jan, 2020

  • 一种全方位的多降级图像恢复网络基于层次化降级表示

    我们提出了一种全能多退化图像恢复网络 (AMIRNet)，通过聚类逐步构建树状结构，学习未知退化图像的退化表示，并利用特征转换模块 (FTB) 弥补领域差异，从而实现从各种未知失真中恢复高质量图像的目标。

    Aug, 2023

  • 基于扩散模型的空间与频率感知图像恢复方法

    通过提出具有高斯噪声的空间和频率感知扩散模型 SaFaRI，我们在各种包括修补、降噪和超分辨率在内的有噪反问题上全面评估了模型的性能，结果显示 SaFaRI 在 ImageNet 和 FFHQ 数据集上表现优于现有的零样本 IR 方法，从 LPIPS 和 FID 指标的角度超越了其他模型，实现了最先进的性能。

    Jan, 2024

  • 基于敌对网络的 RGB 空间上下文感知光谱图像重建

    本文提出了一种基于生成对抗网络的图像到图像映射方法，用于超光谱自然图像重建，经过定量评估，相对均方根误差降低了 54.0%。

    Sep, 2017

  • 物理启发的高光谱图像融合退化模型

    我们提出了物理启发的退化模型（PIDM），通过空间降级网络（SpaDN）和光谱降级网络（SpeDN）模拟镜头畸变和图像分辨率降低的过程，从而提高了现有融合方法在实际场景中的融合性能。

    Feb, 2024

  • LIR：轻量级图像修复的高效降级去除

    提出了一种轻量级图像恢复网络 LIR，通过高效的自适应关注 (EAA) 模块实现了去除图像降噪、模糊等的目的，同时比现有网络在参数和计算量上更高效且产生更接近人眼感知的视觉效果。

    Feb, 2024

  • 在野外应用具有控制能力的视觉语言模型进行照片逼真图像修复

    采用强大的视觉语言模型和合成降解管道，通过基于扩散模型和后验采样策略的鲁棒训练，提高图片还原质量并解决特定数据集无法恢复模糊、缩放、噪声和 JPEG 压缩等不同降解方式的问题。

    Apr, 2024