Jun, 2024

压制盲超分辨率中的不确定性

PDF
TL;DR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。
blind image super-resolutiondegradation modelingimplicit modelinguncertainty-based degradation representationself-supervised learning
发现论文，激发创造
  • 无监督降质表示学习用于盲超分辨率

    本文提出了一种无监督的降噪表征学习方案和一种 Degradation-Aware SR（DASR）网络，该方案可以区分表征空间中的各种降级，并通过学习提取判别性表征来获得准确的降级信息，在合成和真实图像上的实验结果表明了该方法的优越表现。

    Apr, 2021

  • 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

  • 基于知识蒸馏的盲超分辨率降级估计

    本文提出了一种基于知识蒸馏的隐式降级估计网络，结合了此网络与高效的 SR 网络，实现了在未知退化情况下的盲图像超分辨率，同时设计了一种基于动态卷积残差块的新型降级表示方法 IDR，经过广泛的实验验证表明，KDSR 网络具有最先进的性能，并可以推广到各种退化过程。

    Nov, 2022

  • 学习多个概率退化生成器实现无监督真实世界图像超分辨率

    本研究提出一种概率降级生成器，用于训练无监督真实场景超分辨率模型，并通过使用多个生成器和协作学习来提高模型性能和稳健性，相关方法在基准数据集上表现出优异的性能。

    Jan, 2022

  • 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

  • 探索分辨率和降级线索作为低质量目标检测的自我监督信号

    我们提出了一种新的自监督框架来检测降解低分辨率图像中的对象，旨在探索针对多种分辨率和其他降解条件的等变表示；该 AERIS 框架可以在具有任意分辨率恢复解码器的先进 SR 架构上进行进一步优化及重构恢复高质量图像并且通过端到端训练方式共同优化表示学习和目标检测，当面对不同的降级情况时，与现有方法相比，我们的方法在实验中取得了优秀的表现。

    Aug, 2022

  • 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

  • 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

  • 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

  • 扩展合成真实世界退化，用于盲视频超分辨率

    该论文提出了一种随机洗牌方法来模拟真实的降级因素并在合成的数据集上训练深度神经网络，使其在真实世界的视频超分辨率方面表现更好。结果显示，相较于 RealBasicVSR 在 NRQM 方面提高了 7.1％，相较于 BSRGAN 提高了 3.34％。同时，该论文也提出了一个新的包含高分辨率真实视频的数据集，可作为基准测试的共同参照。

    May, 2023