![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
图像增强
文章平均质量分 95
万里鹏程转瞬至
一名热爱深度学习算法实践的算法工程师,工作日长期活动在线,有项目研发技术问题均可私聊。
展开
-
项目快过( Self-Calibrated Illumination)Toward Fast, Flexible, and Robust Low-Light Image Enhancement
现有的`低光图像增强技术`大多不仅难以处理视觉质量和计算效率,而且在未知的复杂场景中也通常无效。在本文中,我们开发了一个新的自校准照明(SCI)学习框架,用于在现实世界的弱光场景中快速、灵活和鲁棒的亮化图像。具体来说,我们建立了一个具有权重共享的级联照明学习过程来处理这个任务。考虑到级联模式的计算负担,我们构建了自校准模块,实现了各阶段结果之间的收敛,产生了仅使用单一基本块进行推理的增益(在以前的工作中尚未利用),大大降低了计算成本。然后,我们定义了无监督的训练损失,以提高模型的能力,可以适应一般的场景。进原创 2024-07-14 17:16:29 · 640 阅读 · 0 评论 -
论文阅读:All-In-One Image Restoration for Unknown Corruption
从论文方法上看,AIRNet提出了一种较为简易的pipeline,以单一网络结构应对多种任务需求(不同类型,不同程度)。但在效果上看,ALL-In-One是不如One-By-One的,且本文方法的亮点是batch内选择patch进行对比学习。在与sota对比上,仅是Denoise任务精度占优,在Derain与Dehaze任务上,效果不如One-By-One的MPRNet方法。虽然精度不足,但方向是对了,在2024年,该方向或许有更优秀的论文原创 2024-06-09 15:04:33 · 1082 阅读 · 0 评论