May, 2024

SEL-CIE: 非线性 sRGB 图像的基于知识引导的自监督学习框架下的 CIE-XYZ 重建

PDF
TL;DR此研究论文提出了一个使用自监督学习方法和成对数据结合的框架，用于重建 CIE-XYZ 图像和重新生成 sRGB 图像，优于现有方法。该框架应用于 sRGB2XYZ 数据集。
发现论文，激发创造
  • CIE XYZ Net: 低层计算机视觉任务的图像反操作

    通过利用照相机通常不可得的 CIE XYZ 颜色空间，本文提出了一个使用深度学习框架实现非线性图像非处理的方法，以在低级计算机视觉任务中提高处理效率并转换为非线性图像。

    Jun, 2020

  • 使用内容感知元数据学习 sRGB 到 Raw-RGB 反渲染

    该文介绍了一种基于元数据的图像重建方法，通过联合学习采样和重建策略，实现了更好的重建效果，适用于计算机视觉等领域。

    Jun, 2022

  • 自监督半监督学习与图像上色的 Color-$S^{4} L$

    本研究采用了多种有效的自监督先行任务，探索了一种新颖的自监督半监督学习框架（Color-$S^{4} L$），在图像着色代理任务中深入评估了各种网络架构的性能，并与之前的监督和半监督最优方法在 CIFAR-10 数据集上进行了有效性和最优性能的对比验证。

    Jan, 2024

  • 基于单一示例的可见光和红外自我监督融合训练

    该研究提出了一种可见光与近红外图像融合的方法，通过使用 RGBT 传感器获取的可见图像和近红外通道的信息，利用 SSIM 损失和边缘保护等技术进行融合，并在实验证明相比其他方法，该方法在多光谱融合方面取得了更好的结果。

    Jul, 2023

  • 跨颜色人物再识别的色彩空间学习

    通过颜色空间学习（CSL）解决了交叉颜色人物再识别问题，在不同模态的图像中增加颜色多样性，通过图像级颜色增强和像素级颜色转换两个模块实现，在 RGB 和红外模态的 NTU-Corridor 基准测试上验证了其有效性和鲁棒性。

    May, 2024

  • 使用不准确对齐的监督学习 RAW-to-sRGB 映射

    本文提出了一种联合学习模型用于图像对准和 RAW-to-sRGB mapping，其中使用全局色彩映射模块生成初始的 sRGB 图像，以减轻颜色一致性的影响。结果表明，我们的方法在 ZRR 和 SR-RAW 数据集上表现得比先进技术有利。

    Aug, 2021

  • 快速、灵活、稳健的低光图像增强

    本文提出一种新的自校准照明（SCI）学习框架，用于在低光环境下快速，灵活和准确地增强图像，通过耦合权值共享的级联照明学习过程来实现此任务，从而极大地减少计算成本，提高模型适用性。

    Apr, 2022

  • 自监督的草图到图像合成

    通过自监督学习，提出了一个基于示例的草图到图像的生成模型，其中包括了使用无需配对的数据生成草图的方法，以及使用自编码器和对抗网络分别实现内容一致性和风格一致性，并在高分辨率图像生成上取得了最新的表现。

    Dec, 2020

  • 对比自监督学习和非对比自监督学习恢复全局和局部谱嵌入方法

    本文提出了一种基于谱流形学的统一框架，以解决自监督学习方法的局限性并提供有意义的表示学习方法，通过将 VICReg，SimCLR 和 BarlowTwins 等自监督学习方法与谱方法相对应，得到了闭合形式的最佳表示以及线性区间内的网络最佳参数，并揭示了对训练中使用的成对关系以及下游任务性能的影响，以及对于两种谱嵌入方法之间的第一种理论桥梁的暗示。

    May, 2022

  • 使用深度神经网络对相机中场景相关成像建模

    本文提出了一种新颖的深度学习框架，用于对场景相关的相机内图像处理进行建模，通过多尺度金字塔学习直方图层将全局和局部场景上下文结合到像素特征中，该方法可以精确地建模在自动模式下不同相机的成像管道，并应用于改善图像去模糊的性能。

    Jul, 2017