关键词super-resolution network
搜索结果 - 7
- 从射频数据学习超分辨率超声定位显微镜
通过将未经处理的射频数据输入到超分辨率网络中，本文提出了绕过 DAS 波束成形及其限制的方法，以提高超声定位显微镜（ULM）的分辨率性能。通过对公开数据集的评估，我们的结果表明，排除 DAS 波束成形具有优化 ULM 分辨率性能的巨大潜力。
- 轻量级点云几何压缩的超分辨率网络
该论文介绍了一种利用轻量级超分辨率网络对点云几何进行压缩的方法，通过将点云分解为基点云和插值模式，用于重构原始点云。通过训练超分辨率网络来获取插值模式的信息，然后将网络参数传输到解码器以帮助点云重构。实验证明了该方法在 MPEG Cat1 - ICCVHoloFusion：走向真实感立体 3D 生成建模
HoloFusion 是一种结合了不同方法的 3D 生成模型，通过从多角度 2D 图像中学习，生成高保真度、可信度和多样性的 3D 样本，包括超分辨率网络和 CO3Dv2 数据集的对比实验。
- 使用特定领域感知网络的两步稀疏视角 CT 重建
本文提出了一种用于稀疏视图计算机体层摄影的新框架，通过使用超分辨率网络（SIN）和细化网络（PRN）进行重建，以减少条纹伪影和提高恢复精度。
- 对抗训练的端到端朝鲜语歌声合成系统
本文提出了一种从歌词和符号旋律生成端到端的韩国歌唱声音合成系统，包括三种新颖方法：1）语音增强掩蔽，2）文本和音高的本地条件对超分辨率网络，3）条件对抗训练。该系统包括两个主要模块：从给定的输入信息生成 mel-spectrogram 的 - 层叠超分辨率和身份先验的人脸变形重建
本文提出了一种基于卷积神经网络和脸部识别模型的（深度）脸部成像模型，通过使用级联超分辨率网络并将人脸识别模型作为学习过程中的先验来实现从低分辨率输入到高分辨率输出的脸部图像重建，实验结果表明该方法优于现有方法。
- 使用双分支深度卷积神经网络架构进行低分辨率人脸识别
本文通过使用深度卷积神经网络和超分辨网络，提出了一种新的低分辨率人脸识别模型，并在 FERET 数据集上进行了评估，结果显示，相较于其他替代方法，本方法在特别是针对非常低分辨率的探测人脸图像时取得了显著的识别性能提高，并能在保证视觉质量等方