风格化图像_CVPR2019:基于神经网络纹理转换的图像超分辨率
![](/assets/blank.gif)
SRNTT: Image Super-Resolution by Neural Texture Transfer
![](/assets/blank.gif)
[Paper] [Code]
SRNTT方法创新点:在
摘要
由于低分辨率(LR)图像中的大量信息丢失,进一步推进单图像超分辨(SISR)的最新技术已变得极具挑战性。 另一方面,基于参考的超分辨率(RefSR)已被证明在提供与LR输入具有相似内容的参考(Ref)图像时,有望恢复高分辨率(HR)图像细节。
但是当参考图像不太相似时,RefSR 的质量可能会严重下降。本文旨在通过利用具有较强鲁棒性的参考图像,利用更多纹理细节来释放 RefSR 的潜力,即使提供了不相关的参考图像也是如此。受近期图像风格化工作的启发,我们将 RefSR 问题公式化为神经纹理转移。我们设计了一个端到端的深度模型,该模型通过根据参考图像的纹理相似性自适应传递纹理来丰富 HR 图像细节。而不是像以前的方法那样在原始像素空间中匹配内容,我们的主要贡献是在神经空间中进行的多级匹配。
这种匹配方案促进了多尺度神经网络特征的传递,这使得该模型能够从那些语义相关的参考图像的子图像块中受益更多,即使在最不相关的参考图像输入上,能够至少达到 SISR 的性能。我们为 RefSR 的一般研究建立了一个基准数据集,其中包含参考图像与相似程度不同的LR输入配对。
提出方法
Feature swap 特征交换
我们首先进行特征交换,它会在整个
1. 计算特征相似性 由于 LR 和 Ref 图像块的颜色和照度也可能不同,因此我们在卷积网络特征空间$phi(I)$中匹配它们的相似性,以强调结构和纹理信息。其计算方式如下:
可以将相似度计算有效地实现为所有LR子图像上的一组卷积(或相关)运算,每个核对应一个Ref子图像块:
2. 获取变换特征
根据相似度矩阵,直接获取原图中的对应的特征子图像块:
其中需要注意的是
这里需要去查看源码才能指导到底是如何实现的)这里,采用
Network 网络结构
SRNTT 网络结构下图所示。SRNTT通过在不同尺度上进行特征挑选,从而实现了纹理增强。
![](/assets/blank.gif)
![](/assets/blank.gif)
结果
一些可视化的结果如下,可以看到通过纹理迁移的方式能够很好地恢复图像高频细节。并且对于规则纹理,SRNTT 复原更加准确且清晰。
![](/assets/blank.gif)
风格化图像_CVPR2019:基于神经网络纹理转换的图像超分辨率相关推荐
- 【CV】CVPR2020丨SPSR:基于梯度指导的结构保留超分辨率方法
作者 | Alan 授权转载自 | https://zhuanlan.zhihu.com/p/121721537 CVPR2020:Structure-Preserving Super Resolut ...
- 合流超几何函数_【CV】CVPR2020丨SPSR:基于梯度指导的结构保留超分辨率方法
作者 | Alan 授权转载自 | https://zhuanlan.zhihu.com/p/121721537 CVPR2020:Structure-Preserving Super Resolut ...
- 基于神经网络多项式插值的图像超分辨重构研究-附Matlab代码
⭕⭕ 目 录 ⭕⭕ ✳️ 一.引言 ✳️ 二.基于单帧图像的超分辨率重构技术 ✳️ 2.1 最近邻域插值法 ✳️ 2.2 双线性插值法 ✳️ 2.3 双三次插值法(Keys'插值) ✳️ 三.神经网络 ...
- 基于小波和插值的超分辨率图像重建算法
clear all; close all; I1=imread('car1.bmp'); h=ones(4,4)/16; I2=imfilter(I1,h); %通过四邻域方法得到低分辨率的图像 ...
- 图像修复 : 基于条件纹理和结构并行生成的图像修复——ICCV 2021 【附测评源码】
文章目录
- 基于对抗生成网络的图像转换技术【论文笔记】
前两篇文章是对方法的改进,详细地论证了提出的方法的可行性和优越性.后两篇是应用型,针对一个特定的问题提出方法. Image-to-Image Translation with Conditional ...
- 基于深度学习的图像超分辨率重建技术的研究
1 超分辨率重建技术的研究背景与意义 图像分辨率是一组用于评估图像中蕴含细节信息丰富程度的性能参数,包括时间分辨率.空间分辨率及色阶分辨率等,体现了成像系统实际所能反映物体细节信息的能力.相较于低分辨 ...
- 学习笔记之——基于深度学习的图像超分辨率重建
最近开展图像超分辨率( Image Super Resolution)方面的研究,做了一些列的调研,并结合本人的理解总结成本博文~(本博文仅用于本人的学习笔记,不做商业用途) 本博文涉及的paper已 ...
- 基于深度学习的图像超分辨率重建
最近开展图像超分辨率( Image Super Resolution)方面的研究,做了一些列的调研,并结合本人的理解总结成本博文~(本博文仅用于本人的学习笔记,不做商业用途) 本博文涉及的paper已 ...
最新文章
- php写网页6,thinkphp6输出原始html内容 - 旗云号
- gui linux 桌面应用,吃掉Linux开发者,WSL支持GUI应用
- BZOJ 1046: [HAOI2007]上升序列【贪心+二分状态+dp+递归】
- CodeForces - 1509C The Sports Festival(dp)
- java中break标记的使用
- python3-pandas DataFrame 索引、bool索引、pandas 字符串方法
- php 支付签名验证失败,choosewxpay fail解决,微信支付签名验证错误解决
- sha256加密_有加密传输数据的需求?来试试stunnel
- 一条SQL完成跨数据库实例Join查询
- Atitit OOCSS vs bem
- mysql sleep进程 java_请教java更新mysql,更新进程sleep
- java 调用soapui_利用soapui和jdk API访问webservice
- 基于bootstrap 的AceAdmin 1.4版本(iframe修改)
- matlab中英文文献,matlab外文文献
- Codesys中国官网下载中心
- python父亲节快乐_一个“MacBook”新手的Python“笨办法”自学之旅 #第七章:字符串、文本、各种打印、转义序列、手动输入raw_input()...
- 腾讯Bugly,简单实用的崩溃日志收集
- oa系统服务器地址怎么查找,oa系统的服务器地址怎么看
- java内存溢出定位
- 使用GDScript(godot)生成仿杀戮尖塔地图