Sep, 2023

探索黑暗：一种在超暗环境中用于高保真度超分辨率的双调制框架

PDF
TL;DR提出了一种针对超暗环境下图像的超分辨率任务的专门双调制学习框架，通过引入自我正则化亮度约束和 Illuminance-Semantic Dual Modulation (ISDM) 组件，以提高光照和颜色细节的特征级保存，并设计了 Resolution-Sensitive Merging Up-sampler (RSMU) 模块来有效减少伪影和光晕，并在全面实验中证明了该方法在多样且具有挑战性的超低光条件下的适用性和泛化能力，其在 PSNR 方面有着显著的提升（提高 5%），在 LPIPS 方面提高了 43%，尤其需要注意的是 RMSE 分数的增加可达 19 倍，凸显了该方法在不同暗度水平下的优秀泛化能力。
super-resolutionultra-dark environmentslow-lightdual-modulated learning frameworkup-sampling strategies
发现论文，激发创造
  • 盲目图像超分辨率的深度约束最小二乘法

    本文提出一种盲图像超分辨率的新方法，使用重新构建的退化模型和两个新模块，通过对内核估计和内核基于高分辨率图像恢复的改进，实现更好的准确性和视觉改进，并在多个基准测试中进行了验证。

    Feb, 2022

  • 双重降级启发的深度展开网络用于低光图像增强

    基于深度展开网络的双重退化启发的低光图像增强模型，通过构建双重退化模型来显式模拟低光图像的恶化机制，学习两个不同的图像先验，并通过局部和远程信息建模模块和空间聚合模块增强图像的表示能力。

    Aug, 2023

  • 深度残差乘法器用于水下图像超分辨率

    本文提出了一种基于深度残差网络的生成模型，用于自主水下机器人对水下图像的单张图像超分辨率 (SISR) 处理，并提供了一个基于对抗训练的 SISR 学习流程。通过评估图像的全局内容、颜色和本地风格信息，我们制定了一个目标函数来监督训练。此外，我们提出了 USR-248，一个大型的数据集，包含三种不同尺寸的水下图像，可用于监督 2x，4x 或 8x SISR 模型的训练。我们的实验表明，我们提出的模型具有非常好的性能，可用于在嘈杂的视觉条件下进行场景理解和注意力建模等应用。

    Sep, 2019

  • 基于语义指导的大规模因子化遥感图像超分辨率生成扩散先验

    通过利用预训练的生成模型作为先验，结合结构和语义线索，以及提取感知一致的传感器特性并模拟其分布，从而提高遥感影像的超分辨率。实验证明了该方法的卓越性能和广泛适用性。

    May, 2024

  • 光度深度超分辨率

    本研究探索了使用光度学技术（阴影形状和非标定光度立体）将 RGB-D 传感器的低分辨率深度图上采样到伴随的 RGB 图像的高分辨率。首先提出了一种有效的单次变分方法，而这依赖于目标的反射率是分段常数。随后，展示了这个依赖特定反射模型的限制可以通过关注特定类别的对象（例如面部），并将反射率估计委托给深度神经网络来缓解。最后讨论了一种基于随机变化光照条件的多次采集策略。这不需要反射率的培训或先前知识，但其代价是专用采集设置。通过定量和定性评估，证明了所提出方法在合成和真实场景中的有效性。

    Sep, 2018

  • 通过双先验调制网络改善场景文本图像超分辨率

    本文提出了一种名为 Dual Prior Modulation Network（DPMN）的插件模块，该模块利用图像级双重先验知识，通过文本蒙版或图形识别结果的先验引导模块来提高文本的结构清晰度和语义准确性，并将两幅经过优化的图像通过关注机制调制，从而实现对场景文本图像超分辨率的提升。

    Feb, 2023

  • 深度超分辨率遇上未校准的光度立体

    本文提出了一种新颖的 RGB-D 传感器深度超分辨率方法，该方法通过高分辨率光度线索澄清深度超分辨率，并对未校正的光度立体进行低分辨率深度线索的澄清。使用变分方法处理 RGB-D 序列，并通过新的 PDE 光度立体正则化器隐式地保持了表面的规则性。实验表明，该方法能够在无需任何特殊先验知识或材料校准的情况下，在现实世界的环境中拍摄高质量的深度图像。

    Aug, 2017

  • 基于内部监督的水下图像增强中的协同多尺度细节精化

    通过内在监督下的协同多尺度细节修复（SMDR-IS）实现对水下场景细节的恢复，其中多降级阶段通过自适应选择内在监督特征模块（ASISF）的特征传播实现协同多尺度细节的改善，同时减少来自低降级阶段无关场景信息的干扰。

    Aug, 2023

  • 水下图像同步增强和超分辨率以实现更好的视觉感知

    提出 Deep SESR 方法，支持水下机器人对图像进行同步增强和超分辨，通过多模态目标函数训练，能够支持 2x、3x、4x 空间分辨率的图像恢复，并在 UFO-120 数据集上进行了验证实验。

    Feb, 2020

  • 隐式扩散模型用于连续超分辨率

    本文提出了一种隐式扩散模型 (IDM)，采用神经表示和去噪扩散模型，实现了高保真持续图像超分辨率，其缩放因子在最终输出中调节低分辨率信息和生成的特征的占比，它使模型适应连续分辨率需求，实验验证了 IDM 的有效性和优越表现。

    Mar, 2023