ICCV2021｜底层视觉(图像生成，图像编辑，超分辨率等)相关论文汇总（附论文链接/代码）[持续更新]

最新推荐文章于 2024-08-08 07:59:02 发布
最新推荐文章于 2024-08-08 07:59:02 发布
阅读量4.3k 收藏 37
点赞数 2
分类专栏： 论文相关 图像处理与计算机视觉 文章标签： iccv2021 计算机视觉 GAN 底层视觉 超分辨率
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Kobaayyy/article/details/120419862
版权

ICCV2021｜底层视觉和图像生成相关论文汇总（如果觉得有帮助，欢迎点赞和收藏）

A Collection of Papers and Codes for ICCV2021 Low Level Vision and Image Generation

整理汇总下2021年ICCV中图像生成（Image Generation）和底层视觉(Low-Level Vision)任务相关的论文和代码，包括图像生成，图像编辑，图像风格迁移，图像翻译，图像修复，图像超分及其他底层视觉任务。大家如果觉得有帮助，欢迎点赞和收藏~~

优先在Github更新：Awesome-ICCV2021-Low-Level-Vision，欢迎star~
知乎：https://zhuanlan.zhihu.com/p/412822286
参考或转载请注明出处

ICCV2021官网：https://iccv2021.thecvf.com/

ICCV2021完整论文列表：https://openaccess.thecvf.com/ICCV2021

开会时间：2021年10月11日-10月17日

【Contents】

1.图像生成（Image Generation）

Multiple Heads are Better than One: Few-shot Font Generation with Multiple Localized Experts

  • Paper：https://arxiv.org/abs/2104.00887
  • Code：https://github.com/clovaai/mxfont
  • 小样本字体生成

PIRenderer: Controllable Portrait Image Generation via Semantic Neural Rendering

  • Code：https://github.com/RenYurui/PIRender

Toward Spatially Unbiased Generative Models

  • Code：https://github.com/jychoi118/toward_spatial_unbiased

Disentangled Lifespan Face Synthesis

  • Paper：https://arxiv.org/abs/2108.02874
  • Code：https://github.com/clovaai/mxfont

Handwriting Transformers

  • Paper：https://arxiv.org/abs/2104.03964
  • Code：https://github.com/ankanbhunia/Handwriting-Transformers

Diagonal Attention and Style-based GAN for Content-Style Disentanglement in Image Generation and Translation

  • Paper：https://arxiv.org/abs/2103.16146

ReStyle: A Residual-Based StyleGAN Encoder via Iterative Refinement

  • Paper：https://arxiv.org/abs/2104.02699
  • Code：https://github.com/yuval-alaluf/restyle-encoder

Paint Transformer: Feed Forward Neural Painting with Stroke Prediction

  • Paper：https://arxiv.org/abs/2108.03798
  • Code：https://github.com/huage001/painttransformer

GAN Inversion for Out-of-Range Images with Geometric Transformations

  • Paper：https://arxiv.org/abs/2108.08998

The Animation Transformer: Visual Correspondence via Segment Matching

  • Paper：https://arxiv.org/abs/2109.02614
  • 手绘图变动画

Image Synthesis via Semantic Composition

  • Paper：https://shepnerd.github.io/scg/resources/01145.pdf
  • Code：https://github.com/dvlab-research/SCGAN

2.图像编辑（Image Manipulation/Image Editing）

EigenGAN: Layer-Wise Eigen-Learning for GANs

  • Paper：https://arxiv.org/abs/2104.12476
  • Code：https://github.com/LynnHo/EigenGAN-Tensorflow

From Continuity to Editability: Inverting GANs with Consecutive Images

  • Paper：https://arxiv.org/abs/2107.13812
  • Code：https://github.com/cnnlstm/InvertingGANs_with_ConsecutiveImgs

HeadGAN: One-shot Neural Head Synthesis and Editing

  • Paper：https://arxiv.org/abs/2012.08261

Orthogonal Jacobian Regularization for Unsupervised Disentanglement in Image Generation

  • Code：https://github.com/csyxwei/OroJaR

Sketch Your Own GAN

  • Paper：https://arxiv.org/abs/2108.02774
  • Code：https://github.com/PeterWang512/GANSketching

A Latent Transformer for Disentangled Face Editing in Images and Videos

  • Paper：https://arxiv.org/abs/2106.11895
  • Code：https://github.com/InterDigitalInc/Latent-Transformer

Learning Facial Representations from the Cycle-consistency of Face

  • Paper：https://arxiv.org/abs/2108.03427
  • Code：https://github.com/jiarenchang/facecycle

StyleCLIP: Text-Driven Manipulation of StyleGAN Imagery

  • Paper：https://arxiv.org/abs/2103.17249
  • Code：https://github.com/orpatashnik/StyleCLIP

Talk-to-Edit: Fine-Grained Facial Editing via Dialog

  • Paper：https://arxiv.org/abs/2109.04425
  • Code：https://github.com/yumingj/Talk-to-Edit

Dressing in Order: Recurrent Person Image Generation for Pose Transfer, Virtual Try-on and Outfit Editing

  • Paper：https://cuiaiyu.github.io/dressing-in-order/Cui_Dressing_in_Order.pdf
  • Code：https://github.com/cuiaiyu/dressing-in-order

3.图像风格迁移（Image Transfer）

ALADIN: All Layer Adaptive Instance Normalization for Fine-grained Style Similarity

  • Paper：https://arxiv.org/abs/2103.09776

Domain Aware Universal Style Transfer

  • Paper：https://arxiv.org/abs/2108.04441
  • Code：https://github.com/Kibeom-Hong/Domain-Aware-Style-Transfer

AdaAttN: Revisit Attention Mechanism in Arbitrary Neural Style Transfer

  • Paper：https://arxiv.org/abs/2108.03647
  • Code：https://github.com/Huage001/AdaAttN

4.图像翻译（Image to Image Translation）

SPatchGAN: A Statistical Feature Based Discriminator for Unsupervised Image-to-Image Translation

  • Paper：https://arxiv.org/abs/2103.16219
  • Code：https://github.com/NetEase-GameAI/SPatchGAN

Scaling-up Disentanglement for Image Translation

  • Paper：https://arxiv.org/abs/2103.14017
  • Code：https://github.com/avivga/overlord

5.图像修复（Image Inpaiting/Image Completion）

Implicit Internal Video Inpainting

  • Code：https://github.com/Tengfei-Wang/Implicit-Internal-Video-Inpainting

Internal Video Inpainting by Implicit Long-range Propagation

  • Code：https://github.com/Tengfei-Wang/Annotated-4K-Videos

Occlusion-Aware Video Object Inpainting

  • Paper：https://arxiv.org/abs/2108.06765

High-Fidelity Pluralistic Image Completion with Transformers

  • Paper：https://arxiv.org/abs/2103.14031
  • Code：https://github.com/raywzy/ICT

Image Inpainting via Conditional Texture and Structure Dual Generation

  • Paper：https://arxiv.org/abs/2108.09760v1
  • Code：https://github.com/Xiefan-Guo/CTSDG

CR-Fill: Generative Image Inpainting with Auxiliary Contextual Reconstruction

  • Paper：https://arxiv.org/abs/2011.12836
  • Code：https://github.com/zengxianyu/crfill

6.图像超分辨率（Image Super-Resolution）

Mutual Affine Network for Spatially Variant Kernel Estimation in Blind Image Super-Resolution

  • Code：https://github.com/JingyunLiang/MANet

Hierarchical Conditional Flow: A Unified Framework for Image Super-Resolution and Image Rescaling

  • Code：https://github.com/JingyunLiang/HCFlow

Deep Blind Video Super-resolution

  • Code：https://github.com/csbhr/Deep-Blind-VSR

Omniscient Video Super-Resolution

  • Code：https://github.com/psychopa4/OVSR

Learning A Single Network for Scale-Arbitrary Super-Resolution

  • Paper：https://arxiv.org/abs/2004.03791
  • Code：https://github.com/LongguangWang/ArbSR

Deep Reparametrization of Multi-Frame Super-Resolution and Denoising

  • Paper：https://arxiv.org/abs/2108.08286

Lucas-Kanade Reloaded: End-to-End Super-Resolution from Raw Image Bursts

  • Paper：https://arxiv.org/abs/2104.06191

Attention-Based Multi-Reference Learning for Image Super-Resolution

  • Paper：https://openaccess.thecvf.com/content/ICCV2021/papers/Pesavento_Attention-Based_Multi-Reference_Learning_for_Image_Super-Resolution_ICCV_2021_paper.pdf

7.图像去雨（Image Deraining）

Structure-Preserving Deraining with Residue Channel Prior Guidance

  • Code：https://github.com/Joyies/SPDNet

8.图像去雾（Image Dehazing）

9.去模糊（Deblurring）

Bringing Events into Video Deblurring with Non consecutively Blurry Frames

  • Code：https://github.com/shangwei5/D2Net

Rethinking Coarse-to-Fine Approach in Single Image Deblurring

  • Paper：https://arxiv.org/abs/2108.05054
  • Code：https://github.com/chosj95/MIMO-UNet

Bringing Events into Video Deblurring with Non consecutively Blurry Frames

  • Code：https://github.com/shangwei5/D2Net

10.去噪（Denoising）

C2N: Practical Generative Noise Modeling for Real-World Denoising

  • Paper：https://openaccess.thecvf.com/content/ICCV2021/papers/Jang_C2N_Practical_Generative_Noise_Modeling_for_Real-World_Denoising_ICCV_2021_paper.pdf

11.图像恢复（Image Restoration）

Spatially-Adaptive Image Restoration using Distortion-Guided Networks

  • Paper：https://arxiv.org/abs/2108.08617

Dynamic Attentive Graph Learning for Image Restoration

  • Paper：https://arxiv.org/abs/2109.06620
  • Code：https://github.com/jianzhangcs/DAGL

12.图像增强（Image Enhancement）

StarEnhancer: Learning Real-Time and Style-Aware Image Enhancement

  • Paper：https://arxiv.org/abs/2107.12898
  • Code：https://github.com/IDKiro/StarEnhancer

Real-time Image Enhancer via Learnable Spatial-aware 3D Lookup Tables

  • Paper：https://arxiv.org/abs/2108.08697

13.图像质量评价（Image Quality Assessment）

MUSIQ: Multi-scale Image Quality Transformer

  • Paper：https://arxiv.org/abs/2108.05997

14.插帧（Frame Interpolation）

XVFI: eXtreme Video Frame Interpolation

  • Paper：https://arxiv.org/abs/2103.16206
  • Code：https://github.com/JihyongOh/XVFI

Asymmetric Bilateral Motion Estimation for Video Frame Interpolation

  • Paper： https://arxiv.org/abs/2108.06815
  • Code： https://github.com/JunHeum/ABME

15.视频/图像压缩（Video/Image Compression）

Extending Neural P-frame Codecs for B-frame Coding

  • Paper：https://arxiv.org/abs/2104.00531

Variable-Rate Deep Image Compression through Spatially-Adaptive Feature Transform

  • Paper：https://arxiv.org/abs/2108.09551
  • Code：https://github.com/micmic123/QmapCompression

16.其他底层视觉任务（Other Low Level Vision）

Overfitting the Data: Compact Neural Video Delivery via Content-aware Feature Modulation

  • Code：https://github.com/Anonymous-iccv2021-paper3163/CaFM-Pytorch
  • 视频传输

Focal Frequency Loss for Image Reconstruction and Synthesis

  • Paper：https://arxiv.org/abs/2012.12821
  • Code：https://github.com/EndlessSora/focal-frequency-loss
  • 频域损失，补充空域损失的不足

ALL Snow Removed: Single Image Desnowing Algorithm Using Hierarchical Dual-tree Complex Wavelet Representation and Contradict Channel Loss

  • Code：https://github.com/weitingchen83/ICCV2021-Single-Image-Desnowing-HDCWNet

IICNet: A Generic Framework for Reversible Image Conversion

  • Code：https://github.com/felixcheng97/IICNet

Self-Conditioned Probabilistic Learning of Video Rescaling

  • Paper：https://arxiv.org/abs/2107.11639

HDR Video Reconstruction: A Coarse-to-fine Network and A Real-world Benchmark Dataset

  • Paper：https://arxiv.org/abs/2103.14943
  • Code：https://github.com/guanyingc/DeepHDRVideo

A New Journey from SDRTV to HDRTV

  • Paper：https://arxiv.org/abs/2108.07978
  • Code：https://github.com/chxy95/HDRTVNet

SSH: A Self-Supervised Framework for Image Harmonization

  • Paper：https://arxiv.org/abs/2108.06805
  • Code：https://github.com/VITA-Group/SSHarmonization

Towards Vivid and Diverse Image Colorization with Generative Color Prior

  • Paper：https://arxiv.org/abs/2108.08826

Towards Flexible Blind JPEG Artifacts Removal

  • Paper：https://github.com/jiaxi-jiang/FBCNN/releases/download/v1.0/FBCNN_ICCV2021.pdf
  • Code：https://github.com/jiaxi-jiang/FBCNN
Kobaayyy
关注
专栏目录
ICCV2021超分辨率汇总（附论文链接/代码/解析）[持续更新]
qq_20777119的博客
03-05 3506
欢迎大家订阅！！！ 本文对ICCV2021中超分辨率的文章进行了汇总和分类。 Model Code Keywords Attention-based Multi-Reference Learning for Image Super-Resolution Coming 1、参考图像、多图像 Learning A Single Network for Scale-Arbitrary Super-Resolution p
【图像去噪】论文精读：Real Image Denoising with Feature Attention（RIDNet）
最新发布
畅游计算机视觉的海洋
08-20 627
论文题目：Real Image Denoising with Feature Attention —— 具有特征注意的真实图像去噪ICCV 2019！注意力机制助力真实世界图像去噪！深度卷积神经网络在包含空间不变噪声(合成噪声)的图像上表现更好;然而，它们的性能在真实的噪声照片上是有限的，需要多阶段的网络建模。为了提高去噪算法的实用性，本文提出了一种新的一阶段盲真实图像去噪网络(RIDNet)。我们在残差结构上使用残差来简化低频信息流，并应用特征注意来利用信道依赖关系。
干货！底层视觉研究，我们应该往哪里走？
AITIME_HY的博客
10-03 1384
点击蓝字关注我们AI TIME欢迎每一位AI爱好者的加入！2022年8月27日，PhDDebate第十二期“底层视觉研究，我们应该往哪里走？”，特别邀请了苏黎世联邦理工大学梁经韵、中国科学院大学博士生刘翼豪、南洋理工大学博士生冯锐成和悉尼大学博士生顾津锦作为嘉宾，与大家一起探讨底层视觉研究，我们应该往哪走？一、 Low-level Vision 中 Transformer 是未来的趋势吗？二、 ...
VALSE2020｜底层视觉与图像生成主题Workshop【笔记】
Kobaayyy的博客
08-03 1060
VALSE2020｜底层视觉与图像生成主题Workshop【笔记】VALSE底层底层视觉与图像生成主题Workshop吕健勤：Bluring The Line between Real and the Fake.刘永进:基于生成对抗网络的人脸艺术肖像画创作刘家瑛：恶劣环境下图像增强技术研究徐迈：数据驱动下的压缩视频增强连宙辉：文字图像图形生成及其应用Panel VALSE VALSE(Vision and Learning Seminar)年度研讨会的主要目的是为计算机视觉、图像处理、模式识别与机器学习研究
Image Super-Resolution via Iterative Refinement 项目教程
gitblog_00057的博客
08-08 895
Image Super-Resolution via Iterative Refinement 项目教程 Image-Super-Resolution-via-Iterative-RefinementUnofficial implementation of Image Super-Resolution via Iterative Refinement by Pytorch项目地址:https:/...
南京理工大学ICCV 2017论文：MemNet，图像超分辨率模型
Arthur_Holmes的博客
01-09 821
利用卷积神经网络让图片清晰化的研究目前正成为计算机视觉领域的热点方向。近日，南京理工大学邰颖、杨健、许春燕与密歇根州立大学刘小明等人提出的 MemNet 将技术又向前推进了一步，新模型在图像去噪、超分辨率和 JPEG 解锁任务中的表现均超过此前业内最佳水平。该研究已入选 ICCV 2017 Spotlight 论文，将...
超分辨率技术如何发展？这6篇ECCV 18论文带你一次尽览
量子位
10-13 3336
原作：Tetianka Martyniuk林鳞 编译自 Medium量子位 出品 | 公众号 QbitAI还有什么能比国际顶会更能反映图像技术的最前沿进展？在这篇文章中，...
【论文推荐】了解《图像生成》必看的5篇论文（附打包下载地址）
weixin_48294000的博客
09-19 690
论文推荐“SFFAI124期来自悉尼大学在读电子信息工程博士的顾津锦推荐的文章主要关注于计算机视觉的图像生成领域，你可以认真阅读讲者推荐的论文，来与讲者及同行线上交流哦。”关注文章公众号回...
【图像超分】论文精读：Embedded Block Residual Network （EBRN）
畅游计算机视觉的海洋
04-12 2732
单图像超分辨率从低分辨率图像中恢复丢失的结构和纹理，引起了研究界的广泛关注。该领域表现最好的包括深度或宽卷积神经网络或循环神经网络。然而，这些方法强制单个模型处理各种纹理和结构。一个典型的操作是，某一层根据前一层恢复的纹理恢复纹理，忽略图像纹理的特征。在本文中，我们认为图像中的低频和高频信息具有不同的复杂程度，应该由不同表征能力的模型恢复。受此启发，我们提出了一种新的嵌入块残差网络(EBRN)，它是纹理超分辨率的增量恢复进度。具体来说，模型中的不同模块恢复了不同频率的信息。对于低频信息，我们使用网络的较浅模
【第19篇】SSD论文翻译和代码汇总
m0_47867638的博客
05-24 9129
我们提出了一种使用单个深度神经网络来检测图像中的目标的方法。我们的方法命名为SSD，将边界框的输出空间离散化为不同长宽比的一组默认框和并缩放每个特征映射的位置。在预测时，网络会在每个默认框中为每个目标类别的出现生成分数，并对框进行调整以更好地匹配目标形状。此外，网络还结合了不同分辨率的多个特征映射的预测，自然地处理各种尺寸的目标。相对于需要目标提出的方法，SSD非常简单，因为它完全消除了提出生成和随后的像素或特征重新采样阶段，并将所有计算封装到单个网络中。
MATLAB算法实战应用案例精讲-【人工智能】语义分割（补充篇）(附matlab代码实现)
qq_36130719的博客
01-01 1755
语义分割是从粗推理到精推理的自然步骤：原点可以定位在分类，分类包括对整个输入进行预测。下一步是本地化/检测，它不仅提供类，还提供关于这些类的空间位置的附加信息。最后，语义分割通过对每个像素进行密集的预测、推断标签来实现细粒度的推理，从而使每个像素都被标记为其封闭对象矿石区域的类别。更具体地说，语义图像分割的目标是给图像中的每个像素都贴上对应的一类所代表的内容的标签。因为我们要对图像中的每个像素进行预测，所以这个任务通常被称为密集预测。
基于深度学习的图像超分辨率算法论文合集2015-2019（CVPR,ECCV,ICCV）
03-31
本合集涵盖了2015-2019年发表在计算机视觉三大顶级会议上的基于深度学习的图像超分辨率算法的大多数论文。
【ICCV2021】文章、代码和数据链接
qq_36717487的博客
04-16 1786
Awesome-ICCV2021-Low-Level-Vision A Collection of Papers and Codes for ICCV2021 Low Level Vision and Image Generation 整理汇总下2021年ICCV中图像生成（Image Generation）和底层视觉(Low-Level Vision)任务相关的论文和代码，包括图像生成，图像编辑，图像风格迁移，图像翻译，图像修复，图像超分及其他底层视觉任务。大家如果觉得有帮助，欢迎star~~ 参考或转载
**星辉增强器（StarEnhancer）：实时与风格感知的图像增强**
gitblog_00070的博客
06-13 362
星辉增强器（StarEnhancer）：实时与风格感知的图像增强 StarEnhancer[ICCV 2021 Oral] StarEnhancer: Learning Real-Time and Style-Aware Image Enhancement项目地址:https://gitcode.com/gh_mirrors/st/StarEnhancer 在这个数字化的时代，图像处理技术正以前...
ICCV 2021 最新200篇ICCV2021论文分方向汇总
qwj的博客
04-08 7090
ICCV 2021 结果出炉！最新200篇ICCV2021论文分方向汇总（更新中） - 知乎 不久前，计算机视觉三大顶会之一ICCV2021接收结果已经公布，本次ICCV共计 6236 篇有效提交论文，其中有 1617 篇论文被接收，接收率为25.9%。 接收论文ID：https://docs.google.com/spreadsheets/u/1/d/e/2PACX-1vRfaTmsNweuaA0Gjyu58H_Cx56pGwFhcTYII0u1pg0U7MbhlgY0R6Y-BbK3xFhAiwGZ
ICCV 2021| 90篇生成对抗GAN论文梳理汇总（清单版）
idol24的博客
04-21 999
戳我，查看GAN的系列专辑~！在最新的ICCV 2021会议中，涌现出大量基于生成对抗网络GAN的论文，广泛应用于各类视觉任务；本文在此做尽可能的梳理汇总！下述论文已分类打包好！公众号后台回复ICCV（长按红字、选中复制）获取分类、按文件夹汇总好的论文集，gan起来吧！！！一、GAN改进二、图像编辑-基于StyleGAN三、图像编辑-逆映射四、图像编辑-人脸五、图像...
Parti 水记
无
09-17 874
Parti 水记
CVPR2022 底层视觉 | 图像处理
慢慢的博客
09-15 2119
CVPR2022底层视觉
评论 2
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值