图像恢复系列之(6)超分(7)反光去除(8)光斑去除 (9)阴影去除(10)水下图像失真去除 | ICCV2021生成对抗GAN...
六、图像恢复-超分
20、Fourier Space Losses for Efficient Perceptual Image Super-Resolution
许多超分辨率 (SR) 模型仅针对精度效果进行优化,模型庞大、缺乏效率。大模型在实际应用中通常不实用,本文提出新的损失函数,以从更有效的模型中实现具有高感知质量的 SR。
利用傅立叶空间监督损失来改进从丢失的高频 (HF) 内容,并设计直接在傅立叶域的判别器架构以更好地匹配目标 HF 分布。与最先进的感知 SR 方法 RankSRGAN 和 SRFlow 相比,分别快 2.4 倍和 48 倍。
七、图像恢复-反光去除
21、Location-aware Single Image Reflection Removal
本文提出一种新的基于位置感知的图像反射去除方法。网络设计了一个反射检测模块来回归概率反射置信度图,将多尺度拉普拉斯特征作为输入。
https://github.com/zdlarr/Location-aware-SIRR
22、V-DESIRR: Very Fast Deep Embedded Single Image Reflection Removal
实际生活中,图像可能会由于不需要的反射出现损坏情况,大多数现有方法要么通过妥协处理速度和内存要求来专注于恢复质量,要么专注于在非常低的分辨率下消除反射,从而限制了它们的实际部署能力。
提出一个轻量级的深度学习模型,用一种新的尺度空间架构来去除反射。方法分两个阶段处理损坏的图像,低尺度子网络 (LSSNet) 处理最低尺度,渐进推理阶段处理更高尺度。与最新的最先进算法 RAGNet 相比,速度提高了 20 倍,参数数量减少了 50 倍。
八、图像恢复-光斑去除
23、How to Train Neural Networks for Flare Removal
当相机对上了强光源时,生成的照片可能包含镜头眩光伪影。耀斑以多种模式出现(光晕、条纹、渗色、混浊等),这种外观的多样性使得消除耀斑具有挑战性。现有方案对其几何形状或亮度做强假设,因此仅适用于一小部分耀斑。且由于缺乏训练数据,尚未广泛应用于消除眩光。
本文模拟耀斑的光学原因,生成耀斑损坏和干净图像的合成对。从而使训练神经网络消除镜头眩光成为可能。实验表明,数据合成方法对于准确去除眩光至关重要,且模型可推广到不同场景、光照条件和相机的真实镜头眩光去除。
24、Light Source Guided Single-Image Flare Removal from Unpaired Data
相机内部光线的反射、散射,可能使得拍摄图像出现眩光伪影。耀斑可能以各种形状、位置和颜色出现,因此从图像中检测和完全去除它们是非常具有挑战性的。
本文首先分别检测光源区域和耀斑区域,根据光源感知引导去除耀斑伪影。通过学习两种类型区域之间的潜在关系,方法可以从图像中去除不同类型的耀斑。此外,没有使用难以收集的成对训练数据,而是提出第一个不成对的耀斑去除数据集和新的循环一致性约束,以避免手工标注成本。
九、图像恢复-去除阴影
25、DC-ShadowNet: Single-Image Hard and Soft Shadow Removal Using Unsupervised Domain-Classifier Guided Network
单图像去除阴影仍是一个悬而未决的问题。大多数现有基于学习的方法用监督学习,要大量成对的图像(阴影和相应的非阴影图像)进行训练。最近一种无监督方法 MaskShadowGAN 解决了这个限制。然而,它需要一个二值掩码来表示阴影区域,不适用于软阴影。
本文提出一种无监督的域分类器引导的阴影去除网络 DC-ShadowNet。具体来说,将阴影/无阴影域分类器集成到生成器及其判别器中,使它们能够专注于阴影区域。引入基于物理的无阴影色度、阴影鲁棒感知特征和边界平滑度的新损失。
十、图像恢复-水下图像失真去除
26、Learning to Remove Refractive Distortions from Underwater Images
水面波动、折射失真,严重降低水下场景的图像质量。提出用于恢复无失真水下图像的引导网络(DG-Net)。关键思想是使用失真图来指导网络训练。在几个真实和合成的水下图像数据集上评估,包括无人机拍摄的室外游泳池图像和手机摄像头拍摄的室内水族馆图像。
猜您喜欢:
戳我,查看GAN的系列专辑~!
一顿午饭外卖,成为CV视觉的前沿弄潮儿!
超110篇!CVPR 2021最全GAN论文汇总梳理!
超100篇!CVPR 2020最全GAN论文梳理汇总!
拆解组新的GAN:解耦表征MixNMatch
StarGAN第2版:多域多样性图像生成
附下载 | 《可解释的机器学习》中文版
附下载 |《TensorFlow 2.0 深度学习算法实战》
附下载 |《计算机视觉中的数学方法》分享
《基于深度学习的表面缺陷检测方法综述》
《零样本图像分类综述: 十年进展》
《基于深度神经网络的少样本学习综述》
图像恢复系列之(6)超分(7)反光去除(8)光斑去除 (9)阴影去除(10)水下图像失真去除 | ICCV2021生成对抗GAN...相关推荐
- 图像转换 image translation系列(17)| 最新ICCV2021生成对抗GAN汇总梳理
(1)GAN改进系列 | 最新ICCV2021生成对抗网络GAN论文梳理汇总 图像编辑系列之(2)基于StyleGAN(3)GAN逆映射(4)人脸 (5)语义生成 | ICCV2021生成对抗GAN梳 ...
- 图像检测系列之(12)异常检测(13)拼接伪造(14)deepfake | ICCV2021生成对抗GAN汇总梳理...
(1)GAN改进系列 | 最新ICCV2021生成对抗网络GAN论文梳理汇总 图像编辑系列之(2)基于StyleGAN(3)GAN逆映射(4)人脸 (5)语义生成 | ICCV2021生成对抗GAN梳 ...
- 图像编辑系列之(2)基于StyleGAN(3)GAN逆映射(4)人脸 (5)语义生成 | ICCV2021生成对抗GAN梳理汇总...
二.图像编辑-基于StyleGAN 11.StyleCLIP: Text-Driven Manipulation of StyleGAN Imagery 受 StyleGAN 启发,最近许多工作都集中 ...
- 基于PaddleGAN项目人脸表情动作迁移学习(五)图像补帧上色与超分修复
学习目标 体验基于PaddleGAN的图像上色.补针.超分等功能,涉及模型包括DAIN.DeOldify.RealSR.DeepRemaster.EDVR.PPMSVSR等. 一.算法原理 1.补帧模 ...
- 深度学习系列48:超分模型Real-ESRGAN
1. 模型介绍 1.1 退化模型 首先训练数据使用了2个first-order: 最后一步加入了振铃和过冲现象: 1.2 SRCNN 将CNN用到超分领域的第一篇文章: 论文中卷积核和通道数的实验设置 ...
- 图像超分辨率Super Resolution基本介绍与常用方法:插值、稀疏编码、卷积网络、生成对抗网络
活动地址:CSDN21天学习挑战赛 0.难点 从低分辨率图像生成高分辨率图像,理论上有无数种解 相关的数据集少,一般都是从高清图像去制作模糊图像,然后作为数据集,但不同领域的模糊原因不同,模糊 ...
- 图像超分综述:超长文一网打尽图像超分的前世今生 (附核心代码)
文章目录 一.目的 二.研究背景 三.存在的问题 四.研究现状 五.各算法创新点及核心代码总结 SRCNN ESPCN VDSR DRCN DRRN EDSR SRGAN ESRGAN RDN WDS ...
- adcsr图像超分代码_图像超分:RealSR
papercsjcai.github.iocsjcai/RealSRgithub.com现有大多SISR方法是在模拟数据集(LR通过对HR执行简单的双三次下采样得到)上进行训练与评估.然而,真实世 ...
- matlab图像降噪_图像超分:RealSR
点击上方"AIWalker",选择加"星标"或"置顶" 重磅干货,第一时间送达 paper: https://csjcai.githu ...
最新文章
- 取一个字符串中的数字
- 微软Excel竟能实现CV算法:亚马逊工程师妙用,人脸检测、字符识别都不在话下...
- 扬州大学广陵学院计算机网络试卷,扬州大学广陵学院控制工程考试样卷B.doc
- java定义int函数_Java自定义函数的四种类型
- VPC 2007 Console界面消失以及解决方法
- 3个最典型的图表错误使用方式,赶紧看看自己是否中招
- java keypad game,关于java:Custom Keypad – 如何使这些按钮正常工作?
- python笔记--元组
- 23种设计模式(十一)对象性能之单件模式
- 控制台输出Security Warning: The negotiated TLS 1.0 is an insecure protocol and is suported for backward c
- 共享库方案解决WAS中JAR包冲突
- wordpress如何整合html语言,怎么用wordpress建中英文双语及多语言切换的网站
- 记事正文 - QQ邮箱
- 日本开设无人机专业,打造无人机“人才市场”
- Processing.js vs P5.js –有什么区别?
- matlab错误使用^
- html5如何快速选择工具,PS快速选择工具怎么使用?快捷键是什么?
- 树莓派安装宝塔Linux面板教程
- 虚树-树上动态规划的利器
- 关于adsl宽带猫的一个奇怪问题
热门文章
- 基于labview开发平台的声音信号采集及处理系统设计(任务书+lunwen+翻译及原文+vi源文件+查重报告)
- 汇承4.0蓝牙BLE串口助手HC-COM的使用方法及出错的原因和改正方法
- CPU卡读写操作函数
- 微信小程序带图片弹窗简单实现
- 项目开发中的dev, test, prod , staging 环境是什么意思
- 制作VMware 6.X安装源安装流程
- rm 好凶残,太 TM 吓人了!
- Echarts饼图字体颜色
- selenium+python自动化(完整脚本一)
- 连目标管理都不会,还谈什么目标?