论文研读SR
文章平均质量分 93
what️
这个作者很懒,什么都没留下…
展开
-
Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data
Real-ESRGAN:用纯合成数据训练真实世界的盲超分辨率Figure 1:双三次上采样、ESRGAN、RealSR 和我们的 Real-ESRGAN 在真实图像上的比较。使用纯合成数据训练的Real-ESRGAN模型能够增强细节,同时去除常见真实图像的恼人伪影。原创 2024-09-11 11:46:24 · 748 阅读 · 0 评论 -
HAT: Hybrid Attention Transformer for Image Restoration
通过归因分析attribution analysis method - Local Attribution Map (LAM),发现目前基于Transformer的方法只能来利用有限的输入空间信息。这意味着 Transformer 的潜力在现有网络中仍未得到充分利用。为了激活更多的输入像素以获得更好的恢复,提出了一种新的混合注意Transformer(HAT)。它结合了通道注意力和基于窗口的自注意力机制,从而利用了它们的互补优势。此外,为了更好地聚合窗口之间信息,引入了一个重叠的交叉注意模块。原创 2024-09-03 16:44:49 · 697 阅读 · 0 评论 -
SwinIR: Image Restoration Using Swin Transformer
图像恢复是一个长期存在的低级视觉问题,旨在从低质量图像中恢复高质量图像(例如,缩小、噪声和压缩图像)。虽然最先进的图像恢复方法是基于CNN,但很少有人尝试transform,这在高级视觉任务中显示出令人印象深刻的性能。在本文中,我们提出了一种基于 Swin Transformer 的图像恢复的强大基线模型 SwinIR。SwinIR由三部分组成: 浅层特征提取、深层特征提取和高质量图像重建。原创 2024-08-29 10:17:23 · 1064 阅读 · 0 评论