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