- 船只映入眼帘:船图像超分辨率的扩散模型
我们的研究聚焦于船舶图像的超分辨率问题,在基于扩散模型的架构中,利用文本条件的训练来生成超分辨率图像,同时探索了该模型在分类和目标检测等下游任务中的潜在应用。
- 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。
- 基于分级优先的点云几何压缩的超分辨率
该研究论文提出了一种基于几何的超分辨率方法,用于点云几何压缩,并通过构建内容相关的分层先验实现了粗粒度到细粒度的点云几何超分辨率,以在编码器和解码器之间实现更准确的先验,以减少位数消耗并获得资源占用等方面的性能改进。
- 超高效神经网络用于压缩失真减少和超分辨率
网络速度限制会导致视频的质量下降并出现压缩伪影;本文提出了一种基于轻量级卷积神经网络(CNN)的算法,能够同时降低伪影并进行超分辨率重建,通过提升特征提取层和设计训练数据集来实现;通过对使用可变比特率编码进行压缩的测试视频评估,输出视频质量 - 利用 YOLOv7 和 ESRGAN 改进的坑洞检测
提出一种通过超分辨率生成对抗网络 (SRGAN) 使用低分辨率相机或图像和视频流进行自动坑洞检测的算法,并使用 You Only Look Once (YOLO) 网络在低质量和高质量的车载摄像头图像上建立基线坑洞检测性能,然后通过图像增强 - 辅助特征引导的蒙特卡洛渲染超分辨率
这篇论文研究了超分辨率,以减少像素数量和加速蒙特卡洛渲染算法。通过利用高分辨率辅助特征来指导低分辨率渲染的超分辨率,我们开发了一个跨模态 Transformer 网络,该网络由一个辅助特征分支和一个低分辨率渲染分支组成,通过融合高分辨率辅助 - 高效纹理匹配与注意力梯度增强的大规模图像超分辨率重建
参考图像超分辨率的关键词是 Reference-Based image super-resolution、attention mechanisms、deep architectures、texture match 和 Super Resol - 图像恢复的引导频率损失
本研究提出了引导频率损失(GFL)方法,通过聚合 Charbonnier 组件、拉普拉斯金字塔组件和渐进频率组件,有助于在图像频率内容和空间内容之间平衡地学习,通过对超分辨率和降噪任务的实验发现,GFL 损失方法在大多数实验中提高了 PSN - 利用超分辨率和帧场学习在密集区域中进行建筑物轮廓提取
通过使用超分辨率和多任务学习的方法,本文提出了一种解决在密集区域中准确提取建筑物轮廓的框架,并通过实验证明该方法在模拟密集区域的区域中显著优于现有的方法。
- 超分辨率与伪装物体检测的比较研究
超分辨率 (SR) 和伪装物体检测 (COD) 是计算机视觉领域中的两个热门主题,本文首次进行了这两个领域的综合比较评估,基于常用的 COD 数据集对不同的超分辨率方法进行基准测试,同时通过使用 SR 方法处理的 COD 数据评估不同的 C - 盲图像超分辨率的广义期望最大化框架
本文提出了一种基于学习方法的针对盲目全像单幅图像超分辨率重建的端到端学习框架,该方法将学习技术集成到广义 EM 算法中,通过最大似然估计从低分辨率图像中推断出高分辨率图像,并在半监督学习中具有较高的性能。
- 基于 CNN 的高效毫米波移动雷达成像超分辨率算法
本文提出了一种卷积神经网络方法,以提高移动设备中在近场条件下智能手机合成孔径雷达成像的超分辨率,具有高效率、高分辨率的雷达成像能力。
- 盲超分辨率与裂纹分割联合学习的真实降质图像恢复
本文提出了一种使用深度神经网络进行超分辨率增强的裂缝分割方法,联合训练了一个二值分割网络和一个 SR 网络,通过二者相互协同优化,提高了分割效果。在低分辨率图像中应用两个额外的路径进一步鼓励 SR 和分割的相互作用。实验结果表明,本文的方法 - MRI 超分辨率和 Gibbs 伪影去除的无监督框架
本文提出了一种无监督学习框架,可用于 MRI 超分辨率和去除 Gibbs 伪影,同时提出正则化方法以提高模型的泛化能力,实验证明方法不仅在超分辨率方面表现最佳,而且显着减少了 Gibbs 伪影,具有良好的泛化能力,有助于临床应用。
- ECCV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 - 小波流:高分辨率归一化流的快速训练
本文介绍了基于小波变换的多尺度归一化流 Wavelet Flow,它具有低分辨率信号的显式表示和高分辨率信号的条件生成等多个优点,并在比特 / 维度标准测试中表现出与以前的归一化流相媲美的性能。
- 通过光束分裂相机支架实现真实超分辨率数据集
本文提出了一种新的数据采集技术,通过 beam-splitter 捕获相同场景的低分辨率和高分辨率图像进行训练预处理,提出包含 11,421 对低分辨率高分辨率图像的数据集,展示了该数据集如何显著提高超分辨率技术在现实世界图像上的质量。
- CVPR基于蒙特卡罗双子架构的卫星图像超分辨率策略演员
本研究探讨了如何将强化学习与卷积神经网络相结合来用于高分辨率遥感图像的超分辨率。通过参数化动作矩阵和蒙特卡罗采样,成功地解决了超分辨率问题,并将监督模型嵌入到强化学习框架中,实现了更好的效果。
- ESRGAN+:改进的增强超分辨率生成对抗网络
该研究提出了 Enhanced Super-Resolution Generative Adversarial Network (ESRGAN) 模型,采用感知驱动的方式进行单幅图像超分辨率处理,引入了新颖的模块和噪声输入方法以进一步改善图 - AAAI卫星图像轻量级和稳健的经济尺度表征
提出一种名为 READ 的新方法,利用深度神经网络从高分辨率卫星图像中获取任何给定区域的基本空间表示,结合转移学习和嵌入式统计学习显著提取尺寸任意的地区的重要空间特征,在小标签集的情况下,可区分城乡地区的微小差异,预测经济规模且表现最优,为