Sep, 2023

图像融合与曝光校正的整体动态频率变换器

PDF
TL;DR本文提出了一种新方法，利用频域改善和统一曝光校正任务处理，引入整体频率关注和动态频率前馈网络，用于提取全局信息和动态选择重要频带进行图像恢复。此外，采用拉普拉斯金字塔将图像分解为不同的频带，通过多个修复器分别恢复特定频带信息，最终统一了低光增强、曝光校正和多曝光融合这三个任务，并在主流数据集上取得了最先进的结果。
exposure-related issuesfrequency domainholistic frequency attentiondynamic frequency feed-forward networkimage restoration
发现论文，激发创造
  • 基于空间频率融合的双域多曝光图像融合网络

    通过空频积分框架 (Spatial-Frequency Integration Framework) 提出了一种新颖的多曝光图像融合方法 (MEF-SFI)，通过有效利用频率域的整体光照建模能力，结合空间和频率路径的深度傅里叶变换方法，以及双域损失函数的综合作用，实现了对输入图像的融合，取得了与最先进的多曝光图像融合方法相媲美的视觉效果。

    Dec, 2023

  • 学习频率感知的动态变换器用于一体化图像恢复

    该研究提出了一种全方位图像恢复方法，通过从频率角度出发，利用先进的视觉变换器来处理多种类型的退化，以提取图像的退化表示并引导模型适应性地恢复退化的图像。实验证明，该方法在去噪、去雨、去雾和去模糊等四个典型恢复任务中优于现有方法，并且能够处理空间变异的退化和未知退化水平。

    Jun, 2024

  • 利用频率相关性进行高光谱图像重建

    通过在现有高光谱图像数据集上进行深入的统计频率分析，我们提出了以高光谱频率相关性 (HFC) 为根基的频率域学习方法，包括了面向低频和高频分量的频谱自适应自注意力 (SAF) 和频谱 - 空间交互 (SIF)，通过可学习的门控滤波器将 SAF 和 SIF 的输出进行自适应融合，从而实现了对图像频率先验的全面利用，并与现有的空间域学习相结合，最终开发了基于相关性驱动的混合域变换 (CMDT) 方法进行高光谱图像重建，实验证明我们的方法在重建质量和计算效率上超过了各种最新方法。

    Jun, 2024

  • 无畏光亮度适应：一种用于曝光校正的宏观 - 微观 - 分层变压器

    通过使用 Macro-Micro-Hierarchical transformer 来处理曝光问题，该方法结合了宏观和微观的特征提取并具有层次结构，通过对不同尺度的误差逐层修正，同时使用对比度约束来提高图像质量，从而在曝光修正以及图像增强方面取得了优于现有方法的结果。

    Sep, 2023

  • 基于空域频域相互作用的双通路耦合图像去雨网络

    我们开发了一种创新的双路径耦合去雨网络（DPCNet），通过空间特征提取块（SFEBlock）和频率特征提取块（FFEBlock）在空间和频率域中整合信息，并引入了一种有效的自适应融合模块（AFM）来进行双通路径特征聚合。该方法在六个公共去雨基准和下游视觉任务上进行了大量实验证明，不仅超越了现有的最先进去雨方法，而且在下游视觉任务中具有出色的鲁棒性和视觉效果。

    Feb, 2024

  • 图像重建与合成的焦点频率损失

    本研究展示了狭窄频率域中缩小误差能够进一步改善图像重建和合成质量，提出了新的焦点频率损失函数并在多种流行的模型中展示其作用，同时对 StyleGAN2 的潜在性进行了探讨。

    Dec, 2020

  • 基于单应矩阵估计和注意力学习的深度曝光融合去重影技术

    本文提出使用深度神经网络结合单一曝光下多图像曝光融合技术来解决现代相机的动态范围限制问题，并在手机摄影实验中获得了高质量的图像。

    Apr, 2020

  • DEFormer：低光图像和暗视觉的 DCT 驱动增强 Transformer

    该研究论文介绍了一种利用频域作为图像增强的新方法，提出了一种新颖的基于 DCT 的增强转换器（DEFormer），其中包括可学习的频率支路（LFB）和交叉域融合（CDF），并将其应用于暗部检测，使检测器的性能显著提升。

    Sep, 2023

  • 一种仿生多曝光融合低光图像增强框架

    该论文设计了一种基于多曝光融合的低光图像增强框架，使用光照估计和相机响应模型来综合多副本图像，并通过融合算法实现了对比度和明度的准确提升。实验表明，该方法较其他现有方法更少引入对比度和亮度失真。

    Nov, 2017

  • 通过估计局部块的频率分布进行图像修复

    本文提出了一种基于频域的图像恢复方法，使用交叉熵损失学习频域中的分布，将图像恢复问题作为分类问题来处理，以确定图像补丁中每个频率带的频率系数。

    May, 2018