本文针对超高清（UHD）图像降雨的问题，提出了一个大规模的 UHD 图像降雨数据集 4K-Rain13k，包含 13,000 个 4K 分辨率的图像对。在此基础上，我们对处理 UHD 图像的现有方法进行了基准研究。此外，我们开发了一种有效且高效的视觉 MLP 架构（UDR-Mixer）来更好地解决这个问题。通过广泛的实验结果表明，我们的方法在性能上优于最先进的方法，同时保持较低的模型复杂性。

May, 2024

该论文介绍了一种用于解决实际场景中的单幅图像去反射问题的方法，通过提取反射强度先验并结合反射去除网络的设计，在真实世界的基准测试上取得了最先进的准确率。

Dec, 2023

本研究关注单幅图像反射去除（SIRR）的问题，从两个角度进行研究：真实反射对的收集流程和真实反射位置的感知。我们设计了一个适应广泛真实世界反射场景的先进反射对收集流程，并在收集大规模对齐反射对方面降低成本。在此过程中，我们创建了一个大规模、高质量的反射数据集，命名为野外反射去除（RRW）。RRW 包含超过 14,950 对高分辨率真实世界反射图像，比先前的数据集大 45 倍。在反映位置感知方面，我们发现反射图像中可见的许多虚拟反射对象在对应的标准图像中并不存在。这一观察结果启发我们构想了最大反射滤波器（MaxRF）。MaxRF 能够准确明确地表征图像对中的反射位置。在此基础上，我们设计了一种反射位置感知的级联框架，专门用于 SIRR。借助这些创新技术，我们的解决方案在多个真实世界基准测试中实现了优越的性能。代码和数据集将公开提供。

Nov, 2023

本文构建了 UHD-Snow 和 UHD-Rain 两个基准数据集，模拟了雨雪的物理过程，研究提出了一种考虑梯度和法线先验的 UHD 图像恢复解决方案，包括高分辨率空间的特征融合与重构分支以及低分辨率空间的先验特征交互分支。实验证明了该方法在 UHD 图像低光增强、去噪和除雨方面具有领先的性能。

Jun, 2024

介绍了一种基于 Transformer 的低光图像增强方法，通过大规模数据库的系统基准测试，证明该方法优于现有算法，并提出利用该算法作为前处理步骤可以显著提高低光条件下的面部检测性能。

Dec, 2022

本文提出了一种新的、基于深度神经网络的反射光去除算法，该算法采用两个级联模型，第一个模型用于估计反射层，第二个模型则利用反射层信息指导透射层估计，该算法在五个不同数据集上的实验表明其在定量和定性上比目前最先进的算法表现得更好。

Dec, 2020

本文提出了一种针对超高清图像去莫尔纹的方法，首次建立了 UHDM 数据集并在其中进行了基准研究，提出了一种有效的基准模型 ESDNet，其中包括语义对齐的尺度感知模块以解决莫尔纹图案的尺度变化问题，实验证明该方法在性能和效率方面优于当前领先的方法。

Jul, 2022

通过引入扩散模型来生成和增强低分辨率图像中的细节，本文提出了一种用于基于参考的超分辨率的细节增强框架（DEF），能够促进对齐，同时避免参考图像的影响，实验结果表明该方法在视觉效果上具有优势同时保持可比较的数值结果。

May, 2024

通过将图像分割为不重叠的图块、使用金字塔结构选择感兴趣的图块，并利用深度特征仅重构这些选定的图块，我们提出了一种新颖的基于变压器的算法 Selective Super-Resolution（SSR），解决了常规超分辨率方法在放大整个大图像时的巨大计算成本和在背景细化过程中引入额外或可能有害信息的两个缺点。实验证明，我们的方法在超分辨率方面具备效率和稳健性，在 BDD100K 数据集上与最先进的方法相比，FID 评分从 26.78 降低到 10.41，计算成本减少了 40%。源代码可在此 https URL 获得。

Dec, 2023

本文提出了一种基于 Laplacian 金字塔的核预测网络（LP-KPN）来恢复高分辨率图像，通过使用实际拍摄的 LR-HR 图像对构建 RealSR 数据集，证明了使用此数据集训练的 SISR 模型在真实场景中能够提供更好的视觉效果，且模型能够适应不同的相机设备。

Apr, 2019