![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
文章阅读
文章平均质量分 94
lct不吃香菜
这个作者很懒,什么都没留下…
展开
-
【附源码】A Text Attention Network forSpatial Deformation Robust Scene Text Image Super-resolution(TATT)
A Text Attention Network for Spatial Deformation Robust Scene Text Image Super-resolution原创 2022-10-08 16:14:01 · 2166 阅读 · 1 评论 -
【图像盲超】Deep Constrained Least Squares for Blind Image Super-Resolution 基于深度约束最小二乘的盲图像超分辨率算法
本文提出了一种改进的退化模型和两个新的模型来解决盲图像超分辨率问题。该方法继承了盲随机共振的一般方法,改进了核估计方法和基于核的高分辨率图像恢复方法。更具体地说,我们首先重新表述退化模型,以便将去模糊核估计转移到低分辨率空间。在此基础上,引入了动态深线性滤波模块。它不需要为所有图像学习一个固定的核,而是可以根据输入自适应地生成去模糊核权值,并产生更稳健的核估计。然后,在重构核和估计核的基础上,应用深度约束最小二乘滤波模块生成干净的特征。然后,将去模糊特征和低输入图像特征馈入双路径结构化SR网络,并恢复最终的原创 2022-03-30 15:06:11 · 5929 阅读 · 0 评论 -
【图像盲超】Learning the Degradation Distribution for Blind Image Super-Resolution(CVPR2022)学习盲图像超分辨率的退化分布
DAN的原作者,中科院自动化所的团队。文章中心思想:通过建模一个随机退化模型,让HR随机退化到LR图像。LR图像与测试的real图像做GAN来区分是否是一个域的分布(对抗损失),如果不是,则返回重新生成LR图像,如果是,则进入SR model去生成SR图像(L1损失)。一句话:通过学习怎么生成真实图像的分布,合成大量的符合真实图像分布的训练样本。从而在测试真实图像时能够有很好的效果。之前大多数基于退化学习的 SR 方法都有一个共同的缺点:它们的退化模型是确定性的,每张 HR 图像只能退化为某个原创 2022-03-16 22:21:33 · 4425 阅读 · 4 评论