HIFI-Net:一种用于增强水下图像的新型网络
该论文介绍了一种特定设计用于多光谱和高光谱图像融合任务的傅里叶增强的隐式神经融合网络,通过创新地提出了一种空间和频率隐式融合函数(Spa-Fre IFF)来捕捉高频信息并扩展感受野,并发明了一种新的解码器,使用复数 Gabor 小波激活函数,称为空间频率交互解码器(SFID),以增强隐式神经表示特征的交互作用。在两个基准多光谱和高光谱图像融合数据集上的实验证明了该方法在视觉上和定量上的最先进表现,同时消融研究证明了所提出的贡献。
Apr, 2024
提出了一种基于深度学习和特征注意力的端到端网络(FA-Net),用于解决水下图像处理和分析中的低频信息限制问题,其中 Residual Feature Attention Block (RFAB) 结合了通道注意力,像素注意力和残差学习机制,并通过多跳连接跳过低频信息,取得了比现有方法更高的定量和定性精度以及优越性。
Aug, 2023
介绍了一种名为 WF-Diff 的新型水下图像增强框架,利用频域信息和扩散模型的特性,通过 Wavelet-based Fourien information interaction network (WFI2-net) 和 Frequency Residual Diffusion Adjustment Module (FRDAM) 的网络来实现水下图像的增强和细节调整。该算法在真实水下图像数据集上显示了最先进的性能,并在视觉质量方面取得了有竞争力的表现。
Nov, 2023
本研究提出了一种基于频率层次的上采样和优化神经网络(HFUR)来提高压缩视频质量,通过利用 DCT 域导出的先验信息进行无显式转换的频率上采样,并通过分层和迭代的优化提高最终输出的视觉质量。通过消融实验和可视化结果证明了所提出模块的有效性,并在公开基准测试集上进行了广泛实验,表明在恒定比特率和恒定 QP 模式下 HFUR 实现了最先进的性能。
Mar, 2024
提出了一种创新的水下图像压缩网络(RFD-ECNet),利用特征匹配和参考特征变体大幅减少水下图像之间的冗余,并通过使用提取自水下物理成像模型的水下物理先验来规范化字典特征的水下风格,从而对齐多样化的水下风格并提高特征匹配的准确性,实验结果显示与最先进的 VVC 相比,RFD-ECNet 在四个水下图像数据集上实现了显著的 BD 率节省 31%。
Aug, 2023
本文提出了一种名为 MAFNet 的多尺度自适应融合网络用于去噪高光谱图像,该网络由逐步扩展的多尺度信息聚合网络和协同注意力融合模块组成,可以有效保留丰富的光谱结构并取得比其他技术更好的去噪性能,论文代码可供参考。
Apr, 2023
遥感图像高精度解释的不确定性扩散模型基于高频变换网络(UDHF2-Net)被提出来解决传统问题,通过引入空间平稳和非平稳频率特征的高频连接,基于掩膜与地理知识的不确定性扩散模块,以及半伪孪生 UDHF2-Net 的改进逐渐消除边缘噪声和配准误差,实验证明了 UDHF2-Net 的优势。
Jun, 2024
该研究提出了一种新颖的物理感知双流水下图像增强网络(PA-UIENet),该网络利用物理学基础的水下图像形成模型(IFM)和深度学习技术进行水下图像增强任务,并采用受 IFM 启发的半监督学习框架来解决数据不足的问题。该方法在降解估计和水下图像增强任务上表现优于八个基准模型。
Jul, 2023
本文提出了一种名为 Five A+ Network (FA+Net) 的高效且轻量级的实时的水下图像增强网络,具有很高的计算效率和性能,采用两阶段的增强结构和像素关注模式,能够在多个数据集上实现最先进的性能。
May, 2023
利用预测图像动态更新伪标签,将动态梯度添加到优化网络的梯度空间,通过特征恢复与重建模块和频率域平滑模块降低各种类型噪声对网络性能的影响,实现了在水下图像增强方面的显著优势。
Dec, 2023