移动图像修复的先验量化

May, 2023

Mobile Image Restoration via Prior Quantization

Shiqi Chen, Jinwen Zhou, Menghao Li, Yueting Chen, Tingting Jiang

TL;DR本文提出了一种先验量化模型来改正图像处理中的光学畸变，并用可学习编码书将各种先验信息编码成潜在空间，经过量化后，将先验编码与图像恢复分支进行融合，以实现有针对性的光学畸变纠正。综合实验证明了该方法的灵活性和潜力，并验证了其在固定相机上完成目标修复的能力。此外，本模型承诺分析各种先验信息与设备光学畸变之间的相关性，有助于联合软硬件设计。

Abstract

In digital images, the performance of optical aberration is a multivariate degradation, where the spectral of the scene, the lens imperfections, and the field of view together contribute to the results. Besides eliminating it at the hardware level, the post-processing system, which uti

optical aberration image processing prior quantization learnable codebooks targeted restoration

发现论文，激发创造

图像恢复中 SAM 先验探究

该研究论文利用新型的图像分割神经网络，提出一种轻量级的先验调整单元，将先验知识融入现有的 IR 网络，提高了图像还原的质量。

May, 2023

基于深度先验的通用灵活光学像差校正

本文提出了一种 PSF 感知的即插即用深度网络，通过引入特定镜头的深度先验知识，以消除光学像差，从而实现了通用和灵活的光学像差校正方法，该方法具有高效的性能。

Apr, 2021

使用成像模拟进行后处理的光学像差校正

本研究提出了一种用于恢复因光学像差导致的图像退化的实用方法，通过基于我们提出的光学点扩散函数模型的成像模拟系统，生成特定设备的成像结果，并在合成数据对上设计空间自适应网络模型，消除了大量拍摄和注册训练数据的开销。实验结果表明，该方法成功地消除了空间变异模糊和色散，并具有更低的计算开销和便于转移到当前商业相机。

May, 2023

大规模生产移动终端的计算光学

本研究提出了一个基于模型的优化框架，用于从加工样本的空间频率响应中构建代理相机，进而为训练基于学习的算法提供光学畸变和随机制造偏差的合成数据对，并利用超扩张全方位动态卷积来纠正制造降解，从而实现全面的计算摄影。

May, 2023

神经可逆变度光学像差矫正

采用可逆结构的新型畸变校正方法，通过条件可逆块处理可变程度的畸变，实验证明性能优于现有方法。

Apr, 2023

深度图像恢复和增强先验知识全知识：一项调查

本文是第一篇对 DL 中使用的先验进行系统研究和分析的综述性文章，包括深度图像恢复和增强的理论分析和结构分类、每种先验的原理和应用的深入讨论、未来方向以及提供所有提到的文献和代码链接的开源仓库。

Jun, 2022

一种贝叶斯超先验方法用于联合图像去噪和插值，以应用于 HDR 成像

本文提出了一种用于图像还原的基于超先验和图像块建模的方案，以适应于对角退化矩阵和信号相关噪声模型，特别适用于计算摄影。