Dec, 2023

通过混合退化模型和鉴别器实现实际场景立体图像超分辨率

PDF
TL;DR本论文提出了一种新颖的方法，通过整合隐式立体信息辨别器和混合降质模型来弥补现实世界立体域中复杂降质与现实世界单幅图像超分辨率领域中简单降质之间的差异，确保有效增强并保持视差一致性。
stereo image super-resolutioncomputer vision systemsdisparity consistencyimplicit stereo information discriminatorhybrid degradation model
发现论文，激发创造
  • DeeDSR：通过降级感知稳定扩散实现实际场景图像超分辨率

    我们引入了一种新的、适应于低分辨率图像的、双阶段的、具有降级意识的框架，通过使用无监督对比学习获取图像降级的表示，并将降级意识模块集成到简化的 ControlNet 中，在各种降级情况下灵活地适应不同的降级，有效恢复更加精确和逼真的细节，表现出在各种基准测试中的最先进性能。

    Mar, 2024

  • 感知导向的立体图像超分辨率

    该研究通过开发 StereoSRQA 模型，提出了第一种感知定向的立体图像超分辨率方法，并采用 StereoSRQA 数据库为 StereoSR 模型提供准确的指导，从而提高了立体图像的感知质量和位移估计的可靠性。

    Jul, 2022

  • 将退化预测与高性能超分辨率网络相结合的框架

    本文提出了将盲超分辨率预测机制与深度超分辨率网络相结合的框架，通过在 SR 网络特征映射中插入预测向量的元数据插入块，我们展示了最先进的对比预测方案和迭代预测方案在 RCAN 和 HAN 等高性能 SR 网络中成功地结合使用的结果，实现了比非盲和盲超分辨率网络更强大的超分辨率性能。

    Nov, 2022

  • 保留所有降级细节的盲图像超分辨率

    通过重现降级的低分辨率图像，我们提出了一种用于学习降级表示的替代方法，并且引入一个有界约束的能量距离损失函数来促进降级表示的学习。实验结果表明，我们的降级表示能够提取准确和高度鲁棒的降级信息。此外，对合成和真实图像的评估表明，我们的 ReDSR 在盲目超分辨率任务中达到了最先进的性能。

    Jul, 2024

  • 设计用于深度盲图像超分辨率的实用退化模型

    本文提出了一种更复杂但实用的退化模型，其中包括随机混合的模糊，下采样和噪声退化，以达到改善单图超分辨率方法的实用性的目的。实验结果表明，这个新的退化模型可以显著改善深度超分辨率方法的实用性，为真实的单图超分辨率应用提供了一种强有力的替代解决方案。

    Mar, 2021

  • Real-ESRGAN: 使用纯合成数据进行实际世界盲超分辨率训练

    本研究将 ESRGAN 应用于实际的纹理恢复应用中，在处理复杂的真实世界退化图像时，引入高阶退化建模过程，并考虑到常见的环绕和过冲伪影，采用具有谱归一化的 U-Net 鉴别器来增强鉴别器的能力和稳定训练动力学， 并提供了实时生成训练样本的高效实现。

    Jul, 2021

  • 压制盲超分辨率中的不确定性

    通过抑制图像中局部的退化表示的不确定性，提出了一个基于不确定性的退化表示的自监督学习方法，用于将低分辨率图像恢复为高分辨率图像。模型由两部分组成：自适应不确定性感知的退化提取（AUDE）和由可变深度动态卷积（VDDC）块组成的特征提取网络，实验证明该方法的优越性。

    Jun, 2024

  • 从人脸到自然图像：学习盲目图像超分辨率的实际降质

    本文提出了一种新方法 ——ReDegNet，它利用真实的低质量人脸图像及其恢复的高质量图像来建模复杂的实际降级过程，并且可以将其从脸部部位转移到自然图像中用于合成低质量图像，这可以用来显著改善非脸部区域的质量，实验证明本方法优于目前的许多方法。

    Oct, 2022

  • 使用视差约束并行注意力的立体内窥镜图像超分辨率

    本文提出了基于深度神经网络框架加入视差限制机制的 DCSSRnet 算法，用于提高立体图像对的空间分辨率，实验结果表明该算法在定量和定性评估上优于目前的 SR 方法。

    Mar, 2020

  • 分辨率不对称立体视觉的自适应对应关系

    本研究提出了一种基于无监督学习的视差匹配方法，通过特征度量一致性而非图像度量一致性来解决不同分辨率图像之间的挑战，并引入了一种自我增强的策略来优化特征提取器，在模拟数据集和真实世界数据集上，取得了优于现有解决方案的表现。

    Apr, 2022