image prior | BriefGPT - AI 论文速递

关键词image prior

搜索结果 - 11

用扩散模型去噪蒙特卡洛渲染
扩散模型对低分辨率图像进行去噪，利用自然渲染信息进行条件控制，与现有方法在不同采样率下有较强竞争力，但当前指标未能准确评估重建质量。
PDF3 months ago
小数据集学习：图像重建中的基于图块的正则化器
借助深度神经网络，本文研究了解决小数据集的逆问题，集中在将基于模型的方法与数据驱动方法相结合，通过逼近图像先验对全局经验分布的 Wasserstein 差异进行判罚及最大对数似然进行最优化，实现了贝叶斯逆问题的不确定性量化，并在计算机断层摄
PDF6 months ago
等变的即插即用图像重建
通过强制使去噪器对特定变换群（旋转、反射和 / 或平移）保持等变性，本研究展示了在插拔式算法中如何提高算法的稳定性和重建质量，并通过理论分析说明了等变性在性能和稳定性上的作用。我们提出了一种简单的算法，通过在算法的每次迭代中对去噪器的输入应
PDF7 months ago
模糊条件扩散和扩散投影注意力在面部图像修正中的应用
本文提出了一种模糊条件扩散，可以控制强度和对不同图像组件进行不同程度的修改，结合扩散衍生的注意力图，实现了面部图像纠正的自主和可解释性。
PDFa year ago
基于分数的扩散模型作为反向成像的原则先验
本文提出了将基于分数的扩散模型转化为原则性先验（`` 基于分数的先验 '）来分析给定测量的后验图像的方法。实验结果表明，基于分数的先验使得数据驱动图像先验的归纳推理变得更加精细。
PDFa year ago
基于多码深度图像先验的即插即用 ADMM 图像去噪和 CT 重建
本研究提出了多编码深度图像滤波方法，可避免过拟合问题并在图像去噪和 CT 重建问题中表现卓越。
PDFa year ago
ICCV多帧超分辨率和降噪的深度重参化
本文提出了一种基于深度重参数化的多帧图像修复方法，通过引入学习的错误度量和目标图像的潜在表示，将最大后验形式直接模拟在潜在空间中，并集成了学习的图像先验，实现了深度学习与经典 MAP 公式的多帧融合。本方法在多组实验证明其泛化性和效果优越性
PDF3 years ago
Lucas-Kanade Reloaded：从原始图像突发中端到端的超分辨率
本文提出了一种混合算法来解决从不同空间和时间视角拍摄的多个低分辨率快照重建高分辨率图像的问题，并证明其在合成和真实图像集上均优于其他方法。
PDF3 years ago
ICML基于样式生成模型的先前图像约束重建
利用深度学习方法，通过在生成式模型的分离潜在空间中对先验图像的概念性信息进行约束和优化，提出了一个框架用于从高度不完整的成像测量中估计与已知先验图像有语义相关性的对象。
PDF3 years ago
CVPR使用深度去噪先验的即插即用图像恢复
本研究旨在通过训练高度灵活和有效的深度 CNN 降噪器来构建深度降噪先验，将其作为模块化部分插入基于半二次分裂的迭代算法以解决各种图像恢复问题，实验结果表明所提出的方案不仅对于模型模拟的方法具有优势，对于学习方法也具有竞争性甚至更好的性能。
PDF4 years ago
基于卷积神经网络和正则化信息最大化的超像素分割
通过在推理时间内优化随机初始化卷积神经网络（CNN），我们提出了一种无监督的超像素分割方法，通过 CNN 从单个图像生成超像素，无需任何标签，通过最小化提出的超像素分割目标函数来实现。我们的方法与许多现有方法相比有三个优点：（i）利用 CN
PDF4 years ago