coarse-to-fine framework | BriefGPT

关键词coarse-to-fine framework

搜索结果 - 10

DemosaicFormer：适用于混合 EVS 相机的粗糙到精细的解马赛克网络
通过一个称为 DemosaicFormer 的粗细框架来解决 HybridEVS 传感器缺乏图像信号处理（ISP）管道的挑战，该框架由粗略渲染和像素纠正网络组成，并且采用多尺度门控模块（MSGM）进行特征信息的跨尺度传递。实验结果表明 De
PDF22 days ago
RoomTex: 室内场景的组合纹理生成与修复
提出了名为 RoomTex 的粗糙到精细的三维场景纹理框架，用于生成高保真度和样式一致的纹理，以应对复合场景网格的纹理问题。
PDFa month ago
学习视差用于双目基于事件的运动去模糊
我们提出了一种新的粗细网络框架（名为 St-EDNet），通过事件和强度相机的立体事件和强度图像，直接从不对齐的输入中恢复高质量图像，实现对运动模糊的补充和重建。
PDF10 months ago
ICCV粗到细：学习单阶段图像检索的紧凑判别表示
本研究设计了一个用于单阶段图像检索的紧凑鉴别性表示学习框架，只需要图像级别的标签，通过动态调整损失尺度和边界、选择重要的局部描述符并注入细粒度语义关系，实现了全局尺度上的类间区分度优化，取得了在 Revisited Oxford 和 Rev
PDFa year ago
CFI2P: 粗到精的跨模态对应学习用于图像到点云匹配
本研究提出了一种基于粗 - 精匹配的框架，在该框架中，将图片和点云转化为局部表示，并利用了 attention 来捕捉全局和跨模态上下文，并通过设计良好的采样和精细匹配来细化点到像素的对应关系，从而解决了图像与点云匹配的问题，并在大规模室外
PDFa year ago
无需索引中间域的渐进式领域自适应
本研究提出了一种新的逐步领域自适应方法，称为 Intermediate DOmain Labeler（IDOL），应用了粗到细的框架，通过逐步领域鉴别器训练和循环一致性损失函数，发现中间的领域序列，并提升了自适应性能。
PDF2 years ago
CVPR用于鲁棒人脸对齐和特征关键点学习的稀疏局部 Patch Transformer
本文介绍了 Sparse Local Patch Transformer（SLPT）用于学习人脸对齐中的内在关系。该模型通过注意机制从局部补丁中生成每个单独地标的表示，并通过自适应内在关系聚合它们。每个地标的子像素坐标根据聚合特征独立预测，
PDF2 years ago
CVPR多视角立体视觉深度估计的反思：一种统一的表示方法
本文提出了一种新的深度图表示方式 ——Unification，将回归和分类学习的优势结合在一起，在设计了新的统一 Focal Loss 的基础上，构建了一个粗到细的 Coarse-to-fine framework，称为 UniMVSNet
PDF2 years ago
IJCAI语义解析的领域自适应
本文提出了一种利用两阶段粗到细的框架进行领域自适应的新型语义解析器，能够在目标域与源域数据相比相对少的情况下实现自适应，并显著改进了现有领域自适应策略。
PDF4 years ago
LiteEval: 一种面向资源高效视频识别的从粗到细的框架
本研究提出 LiteEval，一种简单而有效的粗细粒度框架，用于资源有效的视频识别，可适用于在线和离线场景，利用轻量级 CNN 模型在粗尺度上导出高质量但计算高效的特征，在细尺度上对动态决策是否计算更强大更细节的特征。经过广泛的实验，在两个
PDF5 years ago