Jan, 2023

FPANet: 使用基于频率的帧级后对齐技术进行视频去褶皱演示

PDF
TL;DR本文提出了一种名为 FPANet 的模型，该模型在频率和空间域中学习滤波器，通过学习提取帧不变特征和输出更好质量的时间一致图像，改善了移除各种大小 Moire 图案的恢复质量，并用公开数据集展示了其优越性。
moire patterndigital display devicefpanettemporally consistent imagesimage and video quality metrics
发现论文，激发创造
  • 时序引导的双边学习方向感知视频去蒙皮

    本研究提出了一种统一框架 DTNet，即一种面向方向和时间的双边学习网络，用于视频去莫尔纹。DTNet 在去莫尔纹的过程中有效地应用莫尔纹模式移除、对齐、色彩校正和细节修复等步骤，经过广泛实验证明，在峰值信噪比方面，该方法优于最先进的方法，并提供更好的视觉体验。

    Aug, 2023

  • 用于图像去莫尔纹的多尺度动态特征编码网络

    本文提出了一种基于多尺度卷积网络和动态特征编码的数字传感器图像去莫尔算法，可以同时处理不同频带的莫尔，且效果超过现有技术。

    Sep, 2019

  • AADNet：注意力感知去莫尔网

    透过针对不同频带的动态材质和动态纹理的莫尔纹理的变化，提出了一种新型轻量级构架，称为 AADNet（注意力感知莫尔纹去除网络），用于高分辨率图像的莫尔纹去除。广泛的实验证实了我们的方法的有效性，并产生了高保真的图像。

    Mar, 2024

  • 利用多分辨率卷积神经网络进行 Moiré 照片恢复

    本文提出了一种新型的多分辨率完全卷积网络，用于自动从照片中去除莫尔纹，该网络对输入图像进行非线性多分辨率分析，计算如何在每个频带内消除莫尔纹，该网络在 $100,000^+$ 个图像对的大规模基准数据集上实现了最先进的效果，相对于现有的图像恢复问题的学习架构。

    May, 2018

  • 基于小波的双分支网络的图像去莫尔纹去除

    本文设计了基于小波变换和空间注意力机制的双分支网络（WDNet），用于图像去马赛克处理，并在 Rain 100 和 Raindrop 800 数据集上优于现有的图像去雨滴方法。

    Jul, 2020

  • 通过信道和空间调制重新捕获原始屏幕图像和视频中的去莫尔条纹

    通过利用原始颜色分离特征分支和空间调制，以及构建了第一个对齐良好的原始视频去莫尔（RawVDemoiré）数据集，本研究提出了一种专门针对原始输入的图像和视频去莫尔网络，并且在去莫尔图像和视频方面取得了最先进的性能。

    Oct, 2023

  • FC3DNet：一种用于高效去模糊的全连接编码 - 解码器

    通过提出一种全连接的编码器 - 解码器基于深度网络（FC3DNet）的去莫尔网络以平衡网络速度和结果质量，利用多尺度特征和多特征多注意融合模块（MFMAF）实现对莫尔图案进行综合信息提取和压缩，该网络在真实数据集上能够利用少量参数、FLOPs 和运行时间实现与最先进方法相媲美的性能。

    Jun, 2024

  • 移动设备实时图像去莫尔滤波演示

    采用动态加速方法 (DDA) 和新设计的 moire prior 对漫反射现象进行实时检测和优化，以在移动设备上实现拍照质量的提高，并通过 Snapdragon 8 Gen 1 芯片在 Vivo X80 Pro 智能手机上验证了其在推理时间上的显著改善。

    Feb, 2023

  • 用于条纹图案滤波和归一化的深度神经网络

    本研究提出了一种基于深度神经网络的新的凹凸条纹图案 FP 去噪和标准化的框架，并使用 U-net，V-net 模型对其进行模拟和改良，对不同噪声和分布的 FP 进行实验评估，证明其重要性和潜力。

    Jun, 2019

  • 基于多级卷积神经网络的光学条纹图案过滤

    本文介绍了一种基于深度学习和规则化技术的光学条纹图象去噪方法，可以有效去除条纹图象中的噪声，提高提取相位场的准确性和鲁棒性。实验结果表明，该方法在去除噪声的同时，能够保留条纹图象的主要特征，速度较快，具有一定的竞争力。

    Jan, 2019