图像修复 学习笔记

已于 2024-11-20 20:03:01 修改
阅读量3.4k 收藏 18
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 深度学习宝典 文章标签： 图像修复
于 2022-04-10 21:51:15 首次发布
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/jacke121/article/details/124086677
本文探讨了基于Transformer结构增强的图像修复技术，包括ZITS_inpainting和GRL-Image-Restoration，以及局部卷积PConv在图像修复任务中的应用和实现。文中介绍了不同方法的优缺点，并提供了相关的模型和代码资源。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

目录

DemoFusion 图像美化，会修改图像内容

comfyui：

cvpr2022

基于Transformer结构增强的增量式图像修复|ZITS

cvpr2023

GRL-Image-Restoration

训练自己的数据：

put transformer 模型1G

局部卷积（PConv）图像修复

Pconv torch 实现：

DemoFusion 图像美化，会修改图像内容

效果页面，还不错

DemoFusion

Demofusion项目地址 https://ruoyidu.github.io/demofusion/demofusion.html https://github.com/PRIS-CV/DemoFusion

comfyui：

https://github.com/deroberon/demofusion-comfyui?tab=readme-ov-file

cvpr2022

了解本专栏 订阅专栏 解锁全文 超级会员免费看
91.图像修复
twnkie的博客
08-13 314
图像修复的目标是通过使用局部和全局上下文信息，将缺失或损坏的区域填充或恢复为与周围环境相协调的内容。图像修复（Image Inpainting）是指通过利用图像中已有的信息，对其中缺失、损坏或被遮挡的部分进行恢复或填补的技术。图像修复是一种图像处理技术，旨在使修复后的图像看起来与原始完整的图像一致。图像修复算法：根据不同的修复需求和场景，可以选择使用基于偏微分方程、全变差、最小二乘等算法进行图像修复。上下文信息：通过分析和利用图像中已有区域的信息，如纹理、颜色和结构等，来推断和估计缺失区域的内容。
图片修复
casanava18的博客
11-28 455
import cv2 import numpy as np img = cv2.imread('damaged.jpg',1) cv2.imshow('src',img) imgInfo = img.shape height=imgInfo[0] width=imgInfo[1] paint = np.zeros((height,width,1),np.uint8) for i in rang...
基于Pconv的图像修复部分实例解析
Gavinmiaoc的博客
07-17 8290
 PConv:  Image Inpainting for Irregular Holes UsingPartial Convolutions     简介      号称秒杀PS的AI图像修复神器，来自于Nvidia 研究团队。引入了局部卷积，能够修复任意非中心、不规则区域），代码还没有放出来，但是github上已经有大神复现论文了，今天主要基于github源码进行部分操作和结果展示。 论...
YOLOv11 改进策略 | CVPR-2023 部分卷积 PConv：即插即用，减少冗余计算并提升特征学习
最新发布
走向CTO的路上...
04-30 1244
标准卷积层在处理输入特征图时，会与所有输入通道进行交互，即使这些通道中可能存在信息冗余。这导致了不必要的计算和内存访问开销。PConv (Partial Convolution)，发表于 CVPR 2023，是一种高效的卷积操作，它巧妙地只对输入特征图的一部分通道进行标准卷积处理，而将剩余通道直接传递（恒等映射）。通过这种方式，PConv 显著减少了计算量和内存访问，是一种有效的轻量化卷积模块。将其集成到 YOLOv11（假设的未来版本）中，可以在保持甚至提升性能的同时，实现模型的高效化。
遮挡无阻：PConv在图像修复中的创新应用
zhaoshanshan168的博客
03-02 1139
PConv通过利用仅包含有效信息的图像区域，为图像恢复、去遮挡和编辑等任务提供了一种有效的解决方案。PConv的核心思想是在卷积操作中仅考虑有效的像素，从而实现对缺失数据的适应和处理。而在PConv中，卷积核仅在有效的像素上进行计算，忽略缺失的部分。它在图像修复、去遮挡和编辑等任务中展现出了强大的性能，为深度学习在图像处理领域的应用开辟了新的可能性。随着研究的深入，PConv有望在更多的图像处理任务中发挥其独特的优势。它能够有效地适应和填补图像中的缺失区域，使处理后的图像在视觉上更加自然和连贯。
图像修复实例解析（二）
Gavinmiaoc的博客
07-27 1万+
Generative Image Inpainting with Contextual Attention 今天介绍CVPR 2018的Generative Image Inpainting with Contextual Attention paper: https://arxiv.org/abs/1801.07892, demo http://jiahuiyu.com/deepfill ...
OpenCV笔记3-图像修复
bohu83的博客
01-20 1484
opencv的基础函数学习，图像修复，亮度增强，图片磨皮
数字图像处理学习笔记 第五章图像复原与重建
qq_53034510的博客
07-01 940
图像退化，是指图像在形成、存储、处理和传输过程中，由于成像系统、存储设备、处理方法和传输介质的不完善，从而导致的图像质量下滑。图像复原也称图像恢复，指的是对退化的图像进行处理，试图恢复降质的图像，还原真面目。噪声是图像中不希望有（或不需要）的部分，是最常见的退化因素之一；对信号来说，噪声是一种外部干扰（但噪声本身也是一种信号，携带了噪声源的信息）。数字图像的噪声主要来源于图像的获取和传输过程。获取图像的数字化过程，如图像传感器的质量和环境条件；
图像处理学习笔记-20241021
zxjiaya的博客
10-23 1207
整理了有关二维熵，尺度分解，图像评估相关的东西。
关于图像处理的一些学习笔记
10-26
图像修复则通过填充缺失或损坏的部分，恢复图像的完整性，如老照片修复。 八、实际应用 图像处理技术广泛应用于医疗诊断、自动驾驶、安全监控、遥感影像分析、艺术创作等多个领域。了解并掌握这些基本概念和技术，...
图像处理学习笔记20241115
zxjiaya的博客
11-15 1139
饱和度，引导滤波，孪生网络，双边滤波，BM3D算法，Zernike矩，GhostNet，深度可分离卷积，CSPdarknet，Soft-NMS
PConv的介绍
wangnvshibeib的博客
03-02 5142
在3D建模领域，PConv也展现出其处理不规则数据的能力。与传统的卷积操作相比，部分卷积并不是机械地对输入数据的所有部分应用相同的卷积核。相反，它根据数据的有效性，即数据点是否缺失或被损坏，来动态地决定卷积核的作用范围。对于那些有效的、非缺失的数据点，PConv会像常规的卷积操作一样应用卷积核。在实际应用中，数据缺失是一个常见的问题，尤其是在处理图像、时间序列或其他类型的数据时。总的来说，部分卷积通过其独特的数据处理方式和动态卷积核调整机制，为处理包含缺失数据的复杂任务提供了一种强大而有效的工具。
部分卷积PConv代码详解
m0_73085157的博客
07-02 4884
`torch.split(x, [self.dim_conv3, self.dim_untouched], dim=1)`将输入张量`x`分割为两个张量：`x1`具有`self.dim_conv3`个通道（将进行卷积），`x2`具有`self.dim_untouched`个通道（不进行卷积）。- 根据`forward`的值，将`self.forward`方法设置为`self.forward_slicing`或`self.forward_split_cat`。它接受一个输入张量`x`并应用部分卷积操作。
CANet代码：
qq_43733107的博客
08-22 1475
canet代码
全变分（Total Variation，TV）模型
vivi_cin的博客
06-14 6652
TV Loss
深度学习基础--loss与激活函数--Total variation loss
wydbyxr的博客
11-19 9004
Total variation loss/total variation regularization/Total variation denoising   参考资料：https://en.wikipedia.org/wiki/Total_variation_denoising   总变差有点像衡量一个函数变化程度的函数。BV模型一定程度上是L1图像模型。   用在图像上，total varia...
YOLOv8改进 | 卷积模块 | 减少冗余计算和内存访问的PConv【CVPR2023】
kay_545
07-02 2761
yolov8，pconv，yolov8改进
深度学习——常见损失函数Loss：L1 ，L2 ，MSE ，Binary Cross ，Categorical Cross ，Charbonnier ，Weighted TV ，PSNR
热门推荐
qq_40280673的博客
11-08 3万+
在深度学习中，损失函数是一个核心组件，它度量模型的预测结果与真实值之间的差异。通过最小化损失函数的值，模型能够在训练过程中逐渐改善其性能。损失函数为神经网络提供了一个明确的优化目标，是连接数据和模型性能的重要桥梁。
图像处理-掩码
2301_77698138的博客
09-19 5127
在图像处理中，掩码（Mask）是一种特殊的图像，用于指定对原始图像进行操作的区域。掩码通常是二值图像（即图像上的每个像素只有两个可能的值，通常是0和255，分别代表黑色和白色），但也可以是灰度图像或多通道图像，尽管二值掩码最为常见。
评论 1
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

打赏作者

AI算法网奇

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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