图像美化笔记:DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks
论文地址:DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks
来源: 2017 ICCV
在线demo:http://people.ee.ethz.ch/~ihnatova/#demo
GitHub:https://github.com/aiff22/DPED
任务:普通图片->DSLR[单反]质量的图片(图像美化、图像增强)
方法:作为图像翻译问题,使用形似PIX2PIX的条件生成对抗网络来实现
创新:提出映射的方式来处理图片增强+ 大规模数据集建立+ 多种损失函数的提出
贡献:
1.提出了一个关于学习手机设备和DSLR 摄像机的映射的新方法
2.建立了一个大规模数据集(6k 的图片)
3.颜色,纹理以及文本等多重Loss的结合应用
4.在主观和客观上都取得了较好的效果
引言:
尽管内置智能手机相机的质量迅速提高,但它们的物理限制 - 小尺寸传感器,小巧镜头和缺乏特定硬件 - 阻碍了它们实现DSLR相机的高质量效果。在这项工作中,文章提出了一种端到端的深度学习方法,通过将普通照片转换为DSLR质量的图像来弥补这一差距。
总体而言,也是采用图像翻译的方式来处理图像增强这一任务,采用的模型是形如pix2pix的生成对抗网络模型,并使用多种损失函数结合来进行处理。
数据:
文章提出了大型的DPED数据集,其中包括三个智能手机和一个数码单反相机在野外同步拍摄的照片。
设备:iPhone 3GS,BlackBerry Passport,Sony Xperia Z和Canon 70D DSLR。
数据量:
3周内拍摄了超过22K张照片
索尼智能手机的4549张照片
iPhone的5727张照片
黑莓的6015张照片
与上述三种手机图片对应的佳能数码单反相机照片
环境:
白天各种各样地方 各种照明和天气环境下拍摄
后续处理(为获得paired图片):
基于SIFT特征执行了额外的非线性变换,以提取手机和DSLR照片之间的交叉部分,获得对齐图像片段提取大小为100x100像素的补丁
文章具体细节:
- 具体网络结构
- 损失函数
2.1 Color loss (MSE loss)
2.2 Texture loss (Adversarial loss)
2.3 Content loss (Perceptual loss)
2.4 Total variation loss
2.5 Total loss
图像美化笔记:DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks相关推荐
- CNN 图像增强--DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks
DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks ICCV2017 http://people.ee.eth ...
- DL图像增强方法--《DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks,2017》
DL图像增强方法–<DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks,2017> 这篇文章提出了 ...
- 【论文解读】DPED:DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks
1 论文简介 DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks: 使用深度卷积网络使用移动设备上的照片生成D ...
- DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks
DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks 源码:https://github.com/aiff22/ ...
- DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks具有深度卷积网络的移动设备上的 DSLR 质量照片
摘要 尽管内置智能手机相机的质量迅速提高,但它们的物理限制--传感器尺寸小.镜头紧凑和缺乏特定硬件--阻碍了它们实现单反相机的质量结果.在这项工作中,我们提出了一种端到端的深度学习方法,通过将普通照片 ...
- 【论文详解】DPED:DSLR-Quality Photos on Mobile Devices with Deep Convolutional Networks
目录 1.论文概述 2.效果展示 3.网络内容介绍 3.1作者的贡献 3.2 网络数据 3.3 网络结构 3.4 损失函数 3.4.1颜色损失. 3.4.2纹理损失textures loss. 3.4 ...
- VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION(VGG网络)-论文阅读笔记
VERY DEEP CONVOLUTIONAL NETWORKS FOR LARGE-SCALE IMAGE RECOGNITION VGG网络 论文阅读笔记 //2022.4.11上午9:53开始阅 ...
- 【图像超分辨率】Accurate Image Super-Resolution Using Very Deep Convolutional Networks
Accurate Image Super-Resolution Using Very Deep Convolutional Networks VDSR Accurate Image Super-Res ...
- 【图像超分辨率】(VDSR)Accurate Image Super-Resolution Using Very Deep Convolutional Networks
Accurate Image Super-Resolution Using Very Deep Convolutional Networks 摘要 介绍 2 相关工作 2.1 图像超分辨率的卷积神经网 ...
最新文章
- mysql 匹配 findinset
- 新概念英语(1-73)The way to King Street
- LCD 进入休眠的操作解决方式
- 你的 A/B 测试数据期骗你了吗?
- 控制反转(ioc)和 面向切面(AOP)
- bgrfc entry point
- Taro+react开发(50) 小程序触底操作
- Maxwell与Canal 工具对比
- MIF/MID格式简介
- 野人岛华娱java下载_华娱又携惊喜—《野人岛4—四季神器》评测!
- .rpt文件内容读取java_python读取Excel,12代码将Excel内容写入txt文件
- K近邻法(KNN)与k-Means的区别
- web开发设为首页、添加到收藏夹实现方法
- ubuntu20.04中安装划词翻译_支持语音录入翻译的小爱同学鼠标让智能设备控制一手掌握...
- 2020张宇1000题【好题收集】【第四章:多元函数微分学】【第五章:二重积分】
- jn5168烧写方法
- DNF纯图色起号源码
- 部署SDN控制器对接OVS网元实现转控分离实战 附ODL控制器
- IMEI和IMSI有什么区别啊。分别是什么意思?有什么实际用途。
- Failed to execute goal org.apache.maven.plugins,clean failed: org/apache/maven/shared/utils/Os
热门文章
- 分享巧记Linux命令的方法
- qsort函数的使用及其实现
- 2019.10.9 多校赛 Day2【including 文体两开花,国际影星,零糖麦片
- java中级工程师面试题_java中级工程师面试题
- $test 和 “$test“ 的区别
- 现场感受bsb演唱会
- 我们的wifi,真的安全吗
- 硬盘在计算机内部,计算机硬盘内部结构如图所示,读写磁头在计算机的指令下移动到某个位置,硬盘盘面在电机的带动下......
- java 定义map_定义map%3ck_v%3e,Java中定义Map恒量,List常量
- html怎么把图片放入边框,css3如何将图像设置为元素周围的边框