CVPR 2020 论文大盘点-图像增强与图像恢复篇

本文继上一篇 CVPR 2020 论文大盘点-去雨去雾去模糊篇 之后，继续盘点CVPR 2020 中低层图像处理技术，本篇聚焦于图像视频的增强与恢复，含如下四个方向：

• 图像与视频增强（Image&Video Enhancement）7 篇

• 图像恢复（Image Restoration ）5 篇

• 图像与视频去噪（Image&Video Denoising）9 篇

• 图像去摩尔纹（Image Demoireing）1 篇

总计22 篇。

其中低照度图像增强是一个热点，这也许和近两年智能手机主打夜景拍摄有关系，传统的去噪方向依旧吸引了不少学者，也用在了新的相机模型和应用场景中。

图像去摩尔纹只有一篇，但在52CV图像增强恢复交流群里却经常被提及，也是一个很实用的方向。

已经开源或者即将开源的论文，把代码地址也附上了。

大家可以在：

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。

如果想要下载所有CVPR 2020论文，请点击这里：

CVPR 2020 论文全面开放下载，含主会和workshop

   图像与视频增强（Image&Video Enhancement）

零参考深度曲线估计用于低照度图像增强

[1].Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement

作者 | Chunle Guo, Chongyi Li, Jichang Guo, Chen Change Loy, Junhui Hou, Sam Kwong, Runmin Cong

单位 | 天津大学；香港城市大学；南洋理工大学；北京交通大学

代码 | https://li-chongyi.github.io/Proj_Zero-DCE.html/

通过分解和增强来恢复低照度图像

[2].Learning to Restore Low-Light Images via Decomposition-and-Enhancement

作者 | Ke Xu, Xin Yang, Baocai Yin, Rynson W.H. Lau

单位 | 大连理工大学；香港城市大学；鹏城实验室

时空感知的多分辨率视频增强技术

[3].Space-Time-Aware Multi-Resolution Video Enhancement

作者 | Muhammad Haris, Greg Shakhnarovich, Norimichi Ukita

单位 | 日本丰田工业大学；丰田工业大学芝加哥分校

代码 | https://github.com/alterzero/STARnet

低光照图像增强的半半监督方法

[4].From Fidelity to Perceptual Quality: A Semi-Supervised Approach for Low-Light Image Enhancement

作者 | Wenhan Yang, Shiqi Wang, Yuming Fang, Yue Wang, Jiaying Liu

单位 | 香港城市大学；江西财经大学；ByteDance Technology Co., Ltd.；北大