图像修复论文
yijun009
这个作者很懒,什么都没留下…
展开
-
Transformer再下一城!low-level多个任务榜首被占领,北大华为等联合提出预训练模型IPT
https://blog.csdn.net/Extremevision/article/details/110522513随机硬件水平的提升,在大数据集上预训练的深度学习模型(比如BERT,GPT-3)表现出了优于传统方法的有效性。transformer的巨大进展主要源自其强大的特征表达能力与各式各样的架构。在这篇论文中,作者对low-level计算机视觉任务(比如降噪、超分、去雨)进行了研究并提出了一种新的预训练模型:IPT(image processing transformer)。为最大挖掘tra转载 2021-01-24 19:27:36 · 176 阅读 · 0 评论 -
Learning to Incorporate Structure Knowledge for Image Inpainting
Learning to Incorporate Structure Knowledge for Image InpaintingMotivationMotivation图像修复旨在用合理且充满细节的内容填充损坏的图像区域或者不想要的图像的区域。现存的方法可以粗略分为传统的和基于深度学习的方法。传统方法使用低级的特征(比如颜色和纹理描述符),并利用先验(如平滑度和图像统计)或辅助数据(如外部图像数据库),来手工修复。如果没有对图像内容和结构的高层次理解,传统的方法通常难以生成语义上有意义的内容,特别是当原创 2020-11-19 21:37:42 · 793 阅读 · 0 评论