MMDec, 2023

TMSR：用于超分辨率的小型多路径卷积神经网络

PDF
TL;DR本研究提出了一种名为 TMSR 的小型多路径 CNN 超分辨率方法，主要关注在 5k 参数以下的小型 CNN 超分辨率方法，其主要贡献在于改进的多路径学习和自定义激活函数。实验结果表明，TMSR 在 5k 参数以下与相关作品相比，获得了有竞争力的图像质量（即 PSNR 和 SSIM）。
tiny multi-path cnn-based super-resolutiontmsrmulti-path learningself-defined activated functionimage quality
发现论文，激发创造
  • 深度卷积网络图像超分辨率

    本文提出一种深度学习方法用于图像超分辨率，采用卷积神经网络直接将低分辨率图片转换为高分辨率图片，能够实现较快的速度和超强的恢复质量，扩展支持三种颜色通道同时处理。

    Dec, 2014

  • MAMNet：基于多路径自适应调制的图像超分辨率网络

    本文提出了一种新型的多路径自适应调制网络（MAMNet）来解决图像超分辨率问题，该网络可以更好地适应不同类型图像的特征，相比其他特征调制方法，具有更好的性能和参数效率，并在实验中表现出超过大部分最先进方法的性能。

    Nov, 2018

  • 探究图像超分辨率中的稀疏性以实现高效推理

    本文中，我们提出了一种基于 CNN 的 Sparse Mask SR (SMSR) 网络，以学习稀疏掩模，以便在保持可比较性能的同时，准确地定位和跳过冗余计算，从而提高 SR 网络的推理效率。

    Jun, 2020

  • 通过深层和浅层卷积神经网络实现端到端图像超分辨率

    本文提出了一种新的图像超分辨率方法，该方法使用端到全部可训练的深度卷积神经网络来联合学习特征提取、上采样和高分辨率重建模块，同时在潜在特征空间中进行上采样，并通过多尺度 HR 重建以获得更精确的图像恢复，进一步实现了不同网络设计在图像超分辨率中的贡献并为未来的研究提供了更多见解。

    Jul, 2016

  • 深度图像超分辨率的尖端技术

    本研究提出了一种基于 Swin 变换器架构和非线性激活函数自由网络的联合图像滤波深度图超分辨率算法，并通过数值研究和视觉示例证明了其在保持竞争计算时间的同时提高了最先进性能。

    Jun, 2023

  • 基于上下文化多任务学习的结构保持图像超分辨率

    本研究提出了一种基于多任务学习的框架，通过引入全局边界上下文和残留上下文来提升图像恢复中结构细节的保留，其在多个标准基准测试中表现出比其他基于卷积神经网络的 SR 方法更高的恢复质量和计算效率。

    Jul, 2017

  • 基于深度学习的单幅图像超分辨率的全面综述

    本研究调查了单图像超分辨率的经典方法和基于深度学习的方法，将这些方法分类为四类，并介绍了 SR 的问题，提供了图像质量指标，参考数据集和 SR 的挑战。其中包括 EDSR，CinCGAN，MSRN 等最先进的图像 SR 方法。

    Feb, 2021

  • Meta-SR: 一个任意放大的网络用于超分辨率

    本文介绍一种利用 Meta-Upscale 模块的单一模型解决任意尺度图像超分辨率问题的方法，通过广泛的实验评估结果表明，该方法在性能上不错。

    Mar, 2019

  • 3DSRnet：使用 3D 卷积神经网络进行视频超分辨率处理

    该论文提出了一种有效的三维卷积神经网络 3DSRnet，用于视频超分辨率，通过利用空时相干性来提高预测高分辨率帧的准确性，而且在不需要预处理的情况下优于最先进的方法，提出了一种新的处理场景变化的方法。

    Dec, 2018

  • 基于轻量级残差卷积神经网络的单张图像超分辨率

    本研究旨在扩展残差网络的优点，如快速训练，用于低级视觉问题，即单个图像超分辨率，通过引入跳跃连接和逐渐改变网络形状的策略，该方法在单个图像超分辨率上取得了最新的 PSNR 和 SSIM 结果，并产生了视觉上令人愉悦的结果。

    Mar, 2017