- Sagiri: 低动态范围图像增强与生成扩散先验
通过两阶段方法实现高动态范围(HDR)图像增强,第一阶段对颜色和亮度进行映射调整,第二阶段利用扩散先验生成在捕捉中丢失的动态范围极端处的内容,显著提高 LDR 图像的质量和细节。
- 2024 年 3D CBCT 挑战赛:基于 SwinIR 的正弦图和图像增强改进的锥形束 CT 重建
该论文介绍了一种基于 SwinIR 的正弦图和图像增强模块相结合的 Nesterov 加速梯度下降方法,用于改善锥束计算机断层扫描的图像重建,实现了显著的降低均方误差并提高图像清晰度和保留细节的效果。
- 基于图像增强方法的肿瘤分割研究
通过图像增强和深度学习技术,对肝脏分割进行精确处理,以提高肝癌识别准确性和召回率。
- 医学图像的亮度调整
无需训练的 UniMIE 扩散模型通过依赖单个预训练的 ImageNet 模型,在各种医学图像模态中展示了无监督增强能力,具有更好的质量、鲁棒性和准确性,有助于加速诊断工具和定制化治疗计划的发展。
- CVPRFlowIE: 通过修正流实现高效图像增强
FlowIE 是一个基于流的简单而高效的图像增强框架,通过估计直线路径从一个分布到高质量图像,使用条件矫正流构建线性的一对多传输映射,加速推断,实现对预训练扩散模型丰富知识的充分利用,同时还设计了一种更快的推断算法,通过使用中点切线方向来优 - 水游蛇:水下图像增强的视觉状态空间模型
该研究提出了一种名为 WaterMamba 的 UIE 的状态空间模型,其计算复杂度低、参数量减少且在各种数据集上表现优越,通过模拟像素和通道信息流、调整信息流和促进 SCCOSS 模块内的同步操作来提高图像质量。
- FDCE-Net:嵌入频域和双色编码的水下图像增强
我们提出了一种嵌入频域和双色编码器网络(FDCE-Net),通过利用频率空间残差块(FSRB)将水下图像的降解因素在频域中解耦并分别增强不同属性,同时引入双色编码器(DCE)以解决颜色偏移问题,并通过融合网络结合 FS-Net 和 DCE - CVPRCRNet:一种用于统一图像恢复和增强任务的细节保持网络
本研究提出了一种使用多曝光图像的复合细化网络(CRNet),通过完全整合信息丰富的多曝光输入,实现统一的图像恢复和增强,通过池化层显式分离和加强高低频信息,使用特殊设计的多分支块有效融合这些频率,通过大卷积核和反向瓶颈 ConvFFN 的高 - 黑暗中的文本:极低光照文本图像增强
提出了一种新的编码器 - 解码器框架,使用边缘感知的注意力模块来增强极低光条件下的文本图像,通过使用文本检测和边缘重建损失强调低层次的文本特征,实现了成功的文本提取和极低光图像增强。
- CVPR高低频分解的图像修复与增强
通过高低频分解,HLNet 方法考虑了不同退化的特性,从而实现了更高质量的图像恢复和增强。
- 鱼眼镜头数据集中用于改善目标检测的低光图像增强框架
提出了一种新颖的方法,结合基于变压器的图像增强框架和集成学习技术,解决城市交通监测系统中基于鱼眼镜头相机的问题,提高了系统的有效性和准确性,为智能交通管理系统的未来作出了重要贡献。
- BG-YOLO:一种海底目标检测的双向引导方法
提出了一种命名为 BG-YOLO 的水下目标检测的双向引导方法,通过构建增强分支和检测分支以及特征引导模块,该方法在显著改善严重降质的水下场景中的检测器性能的同时保持了出色的检测速度。
- CVPR低光增强的镜面分解
我们提出了一种新的加法图像因子分解技术,通过在分解过程中调制稀疏性来估计由多个潜在的镜面成分组成的图像。我们的基于模型驱动的 RSFNet 通过将优化展开为网络层来估计这些因子,只需要学习少量的标量。由设计可解释的结果因子可以通过网络进行不 - 高效影像修复中的查找表优化
高清屏幕、图像增强、边缘设备、查找表和硬件推理是本研究的主要关键词和研究领域。
- FogGuard:利用感知损失保护 YOLO 免受雾霾影响
本文介绍了一种名为 FogGuard 的新型雾天感知目标检测网络,旨在解决雾天气候条件下的挑战。通过在 YOLOv3 基础目标检测算法上引入新的教师 - 学生感知损失,我们的网络在雾天图像中实现了高准确率的目标检测,并通过对 PASCAL - 从 3T 采集合成 7T MRI
用监督深度学习技术可以从 3T MRI 输入生成合成的 7T MRI。本文介绍了多种基于自定义变体的 V-Net 卷积神经网络的 7T 合成算法。我们证明基于 V-Net 模型在增强单点和多点 MRI 数据集方面的性能优于现有基准模型。我们 - 通过对预训练的用于高斯降噪的 UNet 进行微调,用于低剂量 CT 图像重建与图像增强的下游任务
这篇论文提出了一种计算机断层扫描(CT)图像增强方法,采用低剂量 CT 图像重建和神经网络预训练技术,取得了与当前最先进方法相媲美的结果。
- 提高小肠绒毛清晰度的图像增强方法
本文首次提出了一种图像增强方法,旨在增强无线胶囊内镜图像中小肠绒毛的清晰度。该方法首先使用引导滤波对小肠绒毛图像进行低频和高频部分的分离。随后,根据低频部分生成自适应光增益因子,并从不同区域的小肠绒毛图像的 Laplacian 算子的卷积结 - ARIN:用于敦煌莫高窟壁画鲁棒盲目修复的自适应重采样和实例归一化
通過修改現有的兩種方法(CAR,HINet),我們在數碼化的敦煌石窟壁畫上實現了成功的壁畫修復和增強,其中一種方法(HINet)超過了敦煌挑戰的第一名,而我們結合的方法(ARIN)在噪聲方面表現出色,與第一名相媲美。
- IA2U:用于水下模型的多先验转移插件
设计了一个名为 IA2U 的转移插件,通过多个先验条件将室内模型转化为水下应用,从而在水下环境中提高图像增强和物体检测的性能。