upsampling | BriefGPT - AI 论文速递

关键词upsampling

搜索结果 - 36

ICLRLiftPool: 双向卷积神经网络池化
本文提出了 LiftPool 池化方法，实现了双向池化层，包括 LiftDownPool 与 LiftUpPool。LiftDownPool 将特征图分解成多个不同频率信息的下采样子带，通过 LiftUpPool 进行精细化上采样并保留显著
PDF3 years ago
SPU-Net: 自投影优化的自监督点云粗到精重构上采样
提出了一种自监督的点云上采样方法 SPU-Net，该方法利用深度学习模型和 GCN 捕获点云上采样的内在模式，具有解决真实数据稀疏问题的能力。实验表明，该方法与现有的监督方法相比具有可比性能。
PDF4 years ago
UPFlow：无监督光流学习的上采样金字塔
提出无监督学习方法，通过改善金字塔网络的上采样和学习来估计光流，具有自引导上采样模块和金字塔蒸馏损失，并将两个组件相结合，该方法在多个基准测试中均取得了最佳性能。
PDF4 years ago
深度图像抠像的亲和力感知上采样学习
通过学习上采样中的相似性以利用深度网络中的成对交互作用，可以有效而高效地实现。通过借鉴现有上采样算子的一致数学模型，将它们泛化为形式化的第二阶段并引入具有相似性意识的上采样 (A2U)，该上采样算子可扩展到下采样中。实现效果得到了验证，并在
PDF4 years ago
ECCV基于协同学习的准确 RGB-D 显著物体检测
本研究提出了一种新颖的协作学习框架，其中边缘、深度和显著性以一种更有效的方式进行利用，解决了现有 RGB-D 模型中存在的问题，使其更轻量化、更快速和更多功能。实验结果表明，该模型在七个基准数据集上具有卓越的性能。
PDF4 years ago
城市细粒度流量推断
本文提出了一种城市流量监测的方法，通过粗块观测来推断城市的实时和精细化的人流，使用 UrbanFM 模型实现精细流的分布。UrbanPy 模型的逐步推理功能可优化 UrbanFM 的效率和性能。
PDF4 years ago
CVPR使用图卷积网络进行点云上采样的 PU-GCN
本研究提出了一种基于学习的点云上采样管道，其中使用 NodeShuffle 作为点上采样模型，并提出了一个新的多尺度点特征提取器，称为 Inception DenseGCN，将其与 NodeShuffle 结合成一种新的点上采样管道 PU-
PDF5 years ago
CVPR像素自适应卷积神经网络
本文提出了一种新型卷积操作叫做像素自适应卷积 (PAC)，其通过学习本地像素特征来修改传统卷积操作，此方法适用于多种应用场景，具有优异的性能表现，包括使用 PAC 进行深度图像上采样、使用 PAC-CRF 替代 Full-CRF 等。同时，
PDF5 years ago
引导深度图上采样的可变形核网络
通过学习稀疏且空间变异的卷积核，我们提出了一种新的 CNN 体系结构和实现方式（DKN），用于将高分辨率彩色图像转换为相应的低分辨率深度图。我们还提出了 FDKN 的快速版本，它在标准基准测试上明显优于现有方法。
PDF5 years ago
CVPR为实时道路图像语义分割辩护：基于预训练 ImageNet 架构
本文提出了一种基于 light-weight general purpose architecture、light-weight upsampling 以及融合多重分辨率的特征来扩大接受域的语义分割方法，在多个数据集上获得显着的优越性能和较
PDF5 years ago
NIPS小波域超分辨率下基于团结构的子带联合学习
本研究提出了一种名为 Super-Resolution CliqueNet 的卷积神经网络，它采用小团块组提取特征图，并通过小团块升采样模块重建高分辨率图像，进而提高图像分辨率并在波尔纹域内保留更多边缘细节，实验证明其在超分辨率任务上表现卓
PDF6 years ago
基于数据驱动的点云上采样
本文提出了一种基于深度神经网络的数据驱动算法，使用 Chamfer 距离作为损失函数对 3D 散点云进行上采样，该算法不需要硬编码规则，并能够学习属于不同对象类别的点云的潜在特征，实验结果表明，相比基于优化的上采样方法，该算法能够生成更加均
PDF6 years ago
面部解析的联合卷积神经网络
本文提出采用 iCNN 的两步方法来进行面部解析，其特点在于在互联的层中广泛使用下采样和上采样.
PDF6 years ago
CVPR单图像超分辨率保留全局结构和降噪的新技术
本研究提出两种新的神经网络架构，分别解决了单图像超分辨率中上采样时的噪声放大和大尺度结构的保留问题，并在 2018 年 NTIRE 超分辨率挑战赛的多项比赛中获得较高名次。
PDF6 years ago
Sentinel-2 影像的超分辨率：学习一个全球通用的深度神经网络
本研究旨在将 Sentinel-2 卫星影像的低分辨率（20m 和 60m 采样距离）图像超分辨率重建到 10m 采样距离，采用了基于卷积神经网络的端到端上采样方法，命名为 DSen2，在 RMSE 性能上优于最佳比较方法近 50％，以视觉
PDF6 years ago
全局反卷积网络用于语义分割
本文提出了一种新型架构，用于全局地等效进行反卷积操作并获取密集预测进而解决卷积神经网络在语义图像分割任务中的两个独特挑战，即低分辨率输出与局部特征提取中的全局信息不足。实验结果表明，在 PASCAL VOC 2012 基准测试中，本文方法取
PDF8 years ago