- 博客(338)
- 资源 (13)
- 收藏
- 关注
RSS订阅
原创 【图像去噪（Image Denoising）】关于【图像去噪】专栏的相关说明，包含适配人群、专栏简介、专栏亮点、阅读方法、定价理由、品质承诺、关于更新、去噪概述、文章目录、资料汇总、问题汇总（更新中）
你是否在全网苦寻【图像去噪（Image Denoising）】的相关资料？你的目标是否是看懂【图像去噪（Image Denoising）】的相关论文，复现代码，跑出结果，并试图创新？你是否需要发表【图像去噪（Image Denoising）】的相关论文毕业？你是否需要做【图像去噪（Image Denoising）】的相关项目，开发软件，研究算法，获得专利或者软著？只要是与【图像去噪（Image Denoising）】有关的问题，那么请继续往下看。
2024-08-26 10:52:10
3300
11
原创 【超分辨率（Super-Resolution）】关于【超分辨率重建】专栏的相关说明，包含专栏简介、专栏亮点、适配人群、相关说明、阅读顺序、超分理解、实现流程、研究方向、论文代码数据集汇总等
本专栏研究领域为【超分辨率重建】，涵盖图像超分、视频超分，实时超分，4K修复等方面。主要内容包括主流算法模型的论文精读、论文复现、毕业设计、涨点手段、调参技巧、论文写作、应用落地等方面。算法模型从SRCNN开始更新至今，一般是一篇论文精读对应一篇论文复现。论文精读详解理论，归化繁为简，归纳核心，积累词句，培养阅读论文和论文写作能力。论文复现依托Pytorch代码，实现完整的模型训练流程，总结调参方法，记录碰到的bug，论文插图可视化，培养读写代码能力、做实验的能力、以及应用落地能力。
2024-03-25 15:50:42
12822
25
原创 【图像拼接（Image Stitching）】关于【图像拼接论文源码精读】专栏的相关说明，包含专栏内文章结构说明、源码阅读顺序、培养代码能力、如何创新等。总之，【图像拼接源码】复现看这一篇就够了！
本文是【图像拼接论文源码精读】专栏的相关说明，将一些共性的东西在这里做统一说明，就不在每一篇文章中重复了。【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用说明、创新思路分享等（不定期更新）。先看该专栏说明，然后进入专栏阅读相关文章，建议同步订阅，同步阅读。本专栏针对图像拼接领域公布源码的文章进行源码解读，没有源码的文章在有源码的文章全部更新完毕后尝试复现。
2024-01-01 10:01:56
25296
10
原创 【图像拼接（Image Stitching）】关于【图像拼接论文精读】专栏的相关说明，包含专栏使用方法、阅读顺序、创新思路、文章汇总、源码汇总、数据集汇总等。总之，【图像拼接论文相关】看这一篇就够了
为什么会有这篇文章？因为专栏简介里写不下太多东西，只能通过这篇文章和大家交流，算是一个专栏阅读指南吧。说点心里话本来吧，我只想用CSDN来记录自己学习【图像拼接】领域论文的过程，对每篇文章有个细致的理解，方便自己反复查阅。设置为付费也是因为涉及论文和本人其他项目需要，防止查重和其他问题，所以价格最开始设置的是专栏付费价格里最高的。起初，确实没有人看，一切也都平淡地度过着。
2023-11-30 15:36:46
32370
21
原创 【图像去噪】论文精读：Enhanced CNN for image denoising（ECNDNet）
论文题目：Enhanced CNN for image denoising —— 用于图像去噪的增强CNN由于深度卷积神经网络 (CNN) 的灵活架构已成功用于图像去噪。然而，它们存在以下缺点：（i）深度网络架构很难训练。(ii)更深的网络面临性能饱和的挑战。在这项研究中，作者提出了一种称为增强卷积神经网络 (ECNDNet) 的新方法。具体来说，他们使用残差学习和批量归一化技术来解决训练困难的问题，加快网络的收敛性。此外，在所提出的网络中使用扩张卷积来扩大上下文信息并降低计算成本。
2024-09-14 20:06:03
447
2
原创 【图像去噪】论文复现：全网最细！MIRNet的Pytorch源码复现全记录！论文中模型结构图与代码变量一一对应，保证看懂！踩坑报错复盘，一一排雷，Windows下也能轻松运行，代码逐行注释！
论文题目：Learning Enriched Features for Real Image Restoration and Enhancement —— 变分去噪网络:面向盲噪声建模和去除【图像去噪】论文精读：Learning Enriched Features for Real Image Restoration and Enhancement（MIRNet）Pytorch源码，跑通+解析。和之前我们自己复现的代码相比，可以使用本文测试方法。
2024-09-14 20:04:55
184
原创 【图像去噪】论文精读：Learning Enriched Features for Real Image Restoration and Enhancement（MIRNet）
论文题目：Learning Enriched Features for Real Image Restoration and Enhancement —— 变分去噪网络:面向盲噪声建模和去除ECCV 2020！新颖模型结构！去噪、超分、增强通用模型！图像恢复由于其退化版本恢复高质量的图像内容，具有广泛的应用，如监视、计算摄影、医学成像和遥感。最近，卷积神经网络 (CNN) 在图像恢复任务的传统方法上取得了显着改进。现有的基于 CNN 的方法通常在全分辨率或逐步低分辨率表示上运行。
2024-09-13 18:44:31
54
原创 【图像拼接】论文精读：SX-Stitch: An Efficient VMS-UNet Based Framework for Intraoperative Scoliosis X-Ray Image
论文题目：SX-Stitch: An Efficient VMS-UNet Based Framework for Intraoperative Scoliosis X-Ray Image Stitching —— 基于增强选择和单应性模型综合优化的图像拼接X光图像拼接！在脊柱侧凸手术中，c臂x射线机视野有限，限制了外科医生对脊柱结构的整体分析。本文提出了一种端到端高效、鲁棒的术中x射线图像拼接方法，用于脊柱侧凸手术，称为SX-Stitch。该方法分为两个阶段：分割和拼接。
2024-09-13 18:43:57
69
原创 【图像去噪】论文复现：包能看懂！VDNet的Pytorch源码全解析！逐行详细注释，理论与代码结合，提升代码能力！
论文题目：Variational Denoising Network: Toward Blind Noise Modeling and Removal —— 变分去噪网络:面向盲噪声建模和去除【图像去噪】论文精读：Variational Denoising Network: Toward Blind Noise Modeling and Removal（VDNet）Pytorch源码，直接使用并解析。如果follow该工作，重点应该放在理论部分，以及loss的实现上；
2024-09-12 10:28:13
57
原创 【图像去噪】论文精读：Variational Denoising Network: Toward Blind Noise Modeling and Removal（VDNet）
论文题目：Variational Denoising Network: Toward Blind Noise Modeling and Removal —— 变分去噪网络:面向盲噪声建模和去除真实世界图像盲去噪，变分去噪网络VDNet！由于真实图像的采集过程复杂，盲图像去噪是计算机视觉中一个重要但极具挑战性的问题。在这项工作中，我们提出了一种新的变分推理方法，该方法将噪声估计和图像去噪集成到一个独特的贝叶斯框架中，用于盲图像去噪。
2024-09-12 10:27:43
49
原创 【图像去噪】论文复现：降维打击！图像对输入变成像素对输入！Pytorch实现Noise2Void（N2V），基于U-Net模型训练，简洁明了理解N2V核心思想！附训练好的灰度图和RGB图的模型文件！
论文题目：Noise2Void-Learning Denoising from Single Noisy Images —— Noise2Void -从单个噪声图像中学习去噪【图像去噪】论文精读：Noise2Void-Learning Denoising from Single Noisy Images（N2V）由于源码是tensorflow版本，本文将基于Pytorch复现。
2024-09-11 09:40:04
67
原创 【图像去噪】论文精读：Noise2Void-Learning Denoising from Single Noisy Images（N2V）
论文题目：Noise2Void-Learning Denoising from Single Noisy Images —— Noise2Void -从单个噪声图像中学习去噪CVPR 2019！从单张噪声图中学习去噪！图像去噪领域目前主要由在噪声输入和干净目标图像对上训练的判别深度学习方法主导。最近已经表明，这种方法也可以在没有干净目标的情况下进行训练。相反，可以在一种称为 NOISE2NOISE (N2N) 的方法中使用独立的噪声图像对。
2024-09-11 09:39:04
70
原创 【图像去噪】论文复现：倒反天罡！老思想新创意，无需Ground-truth！Pytorch实现无监督图像去噪开山之作Noise2Noise！附训练好的模型文件！
论文题目：Noise2Noise: Learning Image Restoration without Clean Data —— Noise2Noise：在没有干净数据的情况下学习图像恢复【图像去噪】论文精读：Noise2Noise: Learning Image Restoration without Clean Data（N2N）说明：Noise2Noise是一种无监督训练模型的思想，并不是像之前算法模型那样提出了一个新的神经网络。
2024-09-10 13:32:56
519
原创 【图像去噪】论文精读：Noise2Noise: Learning Image Restoration without Clean Data（N2N）
论文题目：Noise2Noise: Learning Image Restoration without Clean Data —— Noise2Noise：在没有干净数据的情况下学习图像恢复ICML 2018！无监督图像去噪！我们将基本统计推理应用于机器学习的信号重建——学习将损坏的观察映射到干净的信号——具有简单而强大的结论：可以通过仅查看损坏的示例、性能有时超过使用干净数据进行训练来学习恢复图像，而无需明确的图像先验或损坏的可能性模型。
2024-09-10 13:31:26
72
原创 【图像去噪】论文复现：非局部注意力机制提升去噪性能！Pytorch实现RNAN，解决out of memory问题，论文中结构图与代码变量一一对应，清晰明了保证看懂！附训练好的模型文件！
论文题目：Residual Non-local Attention Networks for Image Restoration —— 用于恢复的剩余非局部注意网络【图像去噪】论文精读：Residual Non-local Attention Networks for Image Restoration（RNAN）由于代码是在EDSR基础上构建的，过于冗杂，本文我以专栏内其他文章的风格重新复现一个简易版本。
2024-09-09 21:50:17
60
原创 【图像去噪】实用小技巧 | 使用matlab将.mat格式的图像转成.png格式的图像，适用于DnD数据集的转换，附DND图像形式的数据集
由于DnD数据集是.mat格式的，计算指标时更精准。但时如果想可视化DnD图像的结果，则比较困难。所以，本文将介绍如何将.mat格式的图像转成.png格式的图像，便于大家使用DnD数据集。DnD数据集由50对图像构成。需要注册：登录后，右上角Downloads：下载并解压后，images_srgb是50张带噪的RGB图像，images_raw是黑白的。
2024-09-09 21:49:29
849
原创 【图像去噪】论文复现：三万字长文详解SADNet的Pytorch源码！全网最详细保姆级傻瓜式教程，新手小白也能看懂，代码逐行注释，跑通代码得到去噪结果毫无压力！网络结构图与模型定义的量一一对应！
论文题目：Spatial-Adaptive Network for Single Image Denoising —— 用于单幅图像去噪的空间自适应网络【图像去噪】论文精读：Spatial-Adaptive Network for Single Image Denoising（SADNet）重点关注：网络结构的实现，包括deformable convolution、offset transfer、Context block补充制作合成噪声数据集代码awgn.py。
2024-09-02 20:07:24
570
原创 【图像去噪】论文复现：支持任意大小的图像输入！四十多行实现Pytorch极简版本的IRCNN，各种参数和测试集平均PSNR结果与论文一致！
论文题目：Learning Deep CNN Denoiser Prior for Image Restoration —— 学习深度CNN降噪先验用于图像重建【图像去噪】论文精读：Learning Deep CNN Denoiser Prior for Image Restoration（IRCNN）完整源码是matlab版本的，本文按照前面文章的风格，复现一个简单版本的Pytorch代码。由于IRCNN的模型比较简单，实现并不费力。
2024-08-30 20:34:32
824
原创 【图像去噪】论文精读：Residual Non-local Attention Networks for Image Restoration（RNAN）
论文题目：Residual Non-local Attention Networks for Image Restoration —— 用于恢复的剩余非局部注意网络ICLR 2019！残差非局部注意力网络RNAN！在本文中，我们提出了一种残差非局部注意网络，用于高质量的图像恢复。在不考虑损坏图像中信息分布不均匀的情况下，以往的方法受到局部卷积运算的限制，对空间和通道特征进行同等处理。为了解决这个问题，我们设计了局部和非局部注意块来提取捕获像素之间的远程依赖关系的特征，并更加关注具有挑战性的部分。
2024-08-30 20:32:38
897
原创 【图像去噪】论文精读：Spatial-Adaptive Network for Single Image Denoising（SADNet）
论文题目：Spatial-Adaptive Network for Single Image Denoising —— 用于单幅图像去噪的空间自适应网络ECCV 2020！真实世界图像盲去噪，空间自适应去噪网络SADNet！以前的工作表明，卷积神经网络可以在图像去噪任务中取得良好的性能。然而，受局部刚性卷积运算的限制，这些方法会导致过度平滑伪影。更深层次的网络结构可以缓解这些问题，但代价是额外的计算开销。在本文中，我们提出了一种新的空间自适应去噪网络(SADNet)，用于高效的单幅图像盲噪声去除。
2024-08-29 19:26:03
902
原创 【图像去噪】论文复现：小波变换替代上下采样！Pytorch实现MWCNN，数据处理、模型训练和验证、推理测试全流程讲解，无论是科研还是应用，新手小白都能看懂，学习阅读毫无压力，去噪入门必看！
论文题目：Multi-level Wavelet-CNN for Image Restoration —— 用于图像恢复的多级小波CNN【图像去噪】论文精读：Multi-level Wavelet-CNN for Image Restoration（MWCNN）完整源码是matlab版本的，作者也公布了pytorch版本，但代码冗杂，本文按照前面文章的风格，复现一个简单版本的Pytorch代码。
2024-08-29 19:25:32
1047
4
原创 【图像去噪】论文精读：Learning Deep CNN Denoiser Prior for Image Restoration（IRCNN）
论文题目：Learning Deep CNN Denoiser Prior for Image Restoration —— 学习深度CNN降噪先验用于图像重建CVPR 2017！基于模型的优化方法和判别学习方法是解决低级视觉中各种逆问题的两个主要策略。通常，这两种方法各有优缺点，例如基于模型的优化方法可以灵活地处理不同的逆问题，但通常需要复杂的先验才能获得良好的性能;同时，判别学习方法测试速度快，但其应用范围受到专业任务的限制很大。
2024-08-28 20:57:55
835
原创 【图像去噪】论文复现：代替ReLU！Pytorch实现即插即用激活函数模块xUnit，并插入到DnCNN中实现xDnCNN！
论文题目：xUnit: Learning a Spatial Activation Function for Efficient Image Restoration —— xUnit:学习空间激活函数进行高效图像恢复【图像去噪】论文精读：xUnit: Learning a Spatial Activation Function for Efficient Image Restoration只需要源码中的xUnit结构实现，并不需要其他的。本文将xUnit模块插入到DnCNN中实现xDnCNN。
2024-08-28 20:57:12
1090
原创 【图像去噪】论文精读：xUnit: Learning a Spatial Activation Function for Efficient Image Restoration
论文题目：xUnit: Learning a Spatial Activation Function for Efficient Image Restoration —— xUnit:学习空间激活函数进行高效图像恢复CVPR 2018！代替ReLU！新激活函数xUnit提升模型性能！可添加到去噪模型中！近年来，深度神经网络 (DNN) 在许多低级视觉任务中取得了前所未有的性能。然而，最先进的结果通常是通过非常深的网络实现的，它可以达到数十层，具有数千万个参数。
2024-08-27 11:12:02
777
原创 【图像去噪】论文精读：Multi-level Wavelet-CNN for Image Restoration（MWCNN）
论文题目：Multi-level Wavelet-CNN for Image Restoration —— 用于图像恢复的多级小波CNNCVPR 2018！感受野大小和效率之间的权衡是低级视觉中的关键问题。普通卷积网络 (CNN) 通常以计算成本为代价来扩大感受野。最近，已经采用扩张过滤来解决这个问题。但它受到网格效应的影响，由此产生的感受野只是具有棋盘图案的输入图像的稀疏采样。在本文中，我们提出了一种新颖的多级小波 CNN (MWCNN) 模型，以更好地权衡感受野大小和计算效率。
2024-08-27 11:11:24
1041
原创 【图像去噪】论文复现：全网最细的Pytorch版本实现MemNet！论文中的网络结构图与代码中的每个变量一一对应！实现思路一目了然！附完整代码和训练好的模型权重文件！
论文题目：MemNet: A Persistent Memory Network for Image Restoration —— MemNet：用于图像恢复的持久记忆网络【图像去噪】论文精读：MemNet: A Persistent Memory Network for Image Restoration由于源码是Caffe实现的，本文实现Pytorch版本的MemNet。多监督模型在σ=50和70时的模型可能没有训练好，导致指标偏低。
2024-08-26 10:52:54
697
原创 【图像去噪】论文复现：Pytorch实现REDNet的三种结构！简单修改路径即可跑通全部代码并训练自己的数据集！支持灰度图和RGB图训练！附训练好的模型文件可直接测试图像得到去噪结果以及评价指标！
论文题目：Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections —— 使用具有对称跳过连接的非常深的卷积编码器-解码器网络进行图像恢复【图像去噪】论文精读：Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections（REDNet）
2024-08-24 21:18:40
998
原创 【图像去噪】论文精读：Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections（REDNet）
论文题目：Image Restoration Using Very Deep Convolutional Encoder-Decoder Networks with Symmetric Skip Connections —— 使用具有对称跳过连接的非常深的卷积编码器-解码器网络进行图像恢复NIPS 2016！REDNet！深度卷积Encoder-Decoder结构！对称跳跃连接！在本文中，我们提出了一个非常深的全卷积编解码框架，用于图像恢复，如去噪和超分辨率。
2024-08-24 21:17:43
750
原创 【图像超分】论文精读：DAQ: Channel-Wise Distribution-Aware Quantization for Deep Image Super-Resolution Network
论文题目：DAQ: Channel-Wise Distribution-Aware Quantization for Deep Image Super-Resolution Networks —— DAQ：用于深度图像超分辨率网络的通道级分布感知量化WACV 2022！提升超分网络性能！由于深度神经网络 (DNN) 的复兴，图像超分辨率 (SR) 最近在提高低分辨率图像质量方面取得了巨大进展，但代价是计算资源和资源的巨大成本。最近，已经有一些努力通过量化使 DNN 更有效。
2024-08-23 20:10:05
123
原创 【图像超分】论文精读Upscale-A-Video: Temporal-Consistent Diffusion Model for Real-World Video Super-Resolution
论文题目：Upscale-A-Video: Temporal-Consistent Diffusion Model for Real-World Video Super-Resolution —— DAQ：用于深度图像超分辨率网络的通道级分布感知量化CVPR 2024！超越RealBasicVSR、StableSR！最新视频超分！开源啊！一直不开源都快一年了！基于文本的扩散模型在生成和编辑方面取得了显著的成功，显示出通过其生成先验来增强视觉内容的巨大潜力。
2024-08-23 20:09:19
118
原创 【图像去噪】论文精读：MemNet: A Persistent Memory Network for Image Restoration
论文题目：MemNet: A Persistent Memory Network for Image Restoration —— MemNet：用于图像恢复的持久记忆网络ICCV 2017！延长记忆网络MemNet！DRRN相同团队出品！最近，非常深的卷积神经网络 (CNN) 在图像恢复中引起了相当大的关注。然而，随着深度的增长，这些非常深的模型很少实现长期依赖问题，这导致先验状态/层对后续状态几乎没有影响。
2024-08-22 21:27:41
649
原创 【图像超分】论文精读：AdaBM: On-the-Fly Adaptive Bit Mapping for Image Super-Resolution
论文题目：AdaBM: On-the-Fly Adaptive Bit Mapping for Image Super-Resolution —— AdaBM:图像超分辨率的Fly自适应位映射CVPR 2024！超分加速模块！显著提升速度！尽管图像超分辨率 (SR) 问题使用深度神经网络经历了前所未有的恢复精度，但由于计算成本巨大，它还没有有限的通用应用。由于 SR 的不同输入图像面临不同的恢复困难，因此基于输入图像（称为自适应推理）调整计算成本已成为压缩 SR 网络的一种有前途的解决方案。
2024-08-22 21:25:54
116
原创 【图像超分】论文精读：A Dynamic Kernel Prior Model for Unsupervised Blind Image Super-Resolution
论文题目：A Dynamic Kernel Prior Model for Unsupervised Blind Image Super-Resolution —— 无监督盲图像超分辨率的动态核先验模型CVPR 2024！基于深度学习的方法在解决盲超分辨率(BSR)问题上取得了显著的成功。然而，它们中的大多数要求对标记数据集进行有监督的预训练。本文提出了一种无监督核估计模型，称为动态核先验(DKP)，实现了一种基于无监督和预训练的无学习算法来解决BSR问题。
2024-08-21 19:30:10
122
原创 【图像拼接】论文精读：Image Stitching via Augmentation Selection and Comprehensive Optimization of Homography M
论文题目：Image Stitching via Augmentation Selection and Comprehensive Optimization of Homography Models —— 基于增强选择和单应性模型综合优化的图像拼接突出物体的自然度是图像拼接研究中的重要信息，直接影响电子消费者在获取大场景时的满意度。目前大多数图像拼接算法使用最好的单应性模型进行配准特征，通常不能保证静态和动态对象的完整性。为了缓解这个问题，我们在本文中提出了一种图像拼接方法。
2024-08-21 19:28:55
113
原创 【图像去噪】论文复现：适合新手小白的Pytorch版本RIDNet复现！轻松跑通训练和测试代码！RIDNet网络结构实现拆解！简单修改路径即可训练自己的数据集！模型训练推理测试全流程讲解！
论文题目：Real Image Denoising with Feature Attention —— 具有特征注意的真实图像去噪【图像去噪】论文精读：Real Image Denoising with Feature Attention（RIDNet）不使用官方源码的原因：官方源码使用PyTorch0.4，Python3.6，Cuda9.0。本文写于2024年，PyTorch>1.1版本，Cuda基本上大于10了。
2024-08-20 19:09:04
1142
5
原创 【图像去噪】论文精读：Real Image Denoising with Feature Attention（RIDNet）
论文题目：Real Image Denoising with Feature Attention —— 具有特征注意的真实图像去噪ICCV 2019！注意力机制助力真实世界图像去噪！深度卷积神经网络在包含空间不变噪声(合成噪声)的图像上表现更好;然而，它们的性能在真实的噪声照片上是有限的，需要多阶段的网络建模。为了提高去噪算法的实用性，本文提出了一种新的一阶段盲真实图像去噪网络(RIDNet)。我们在残差结构上使用残差来简化低频信息流，并应用特征注意来利用信道依赖关系。
2024-08-20 19:08:01
653
原创 【图像去噪】论文复现：适合新手小白的Pytorch版本CBDNet复现！轻松跑通训练和测试代码！简单修改路径即可训练自己的数据集！代码详细注释！数据处理、模型训练和验证、推理测试全流程讲解！
适合新手小白的Pytorch版本CBDNet复现！轻松跑通训练和测试代码！简单修改路径即可训练自己的数据集！代码详细注释！数据处理、模型训练和验证、推理测试全流程讲解！
2024-08-19 20:10:03
1620
5
原创 【图像去噪】论文精读：Toward Convolutional Blind Denoising of Real Photographs（CBDNet）
论文题目：Toward Convolutional Blind Denoising of Real Photographs —— 迈向真实照片的卷积盲去噪CVPR 2019！真实世界盲图像去噪！虽然深度卷积神经网络(CNNs)在加性高斯白噪声(AWGN)图像去噪方面取得了令人印象深刻的成功，但它们在真实世界的噪声照片上的性能仍然有限。主要原因是他们的学习模型很容易过拟合简化的AWGN模型，该模型严重偏离了复杂的真实噪声模型。
2024-08-19 20:04:23
1025
原创 【图像超分】论文精读：SeeSR: Towards Semantics-Aware Real-World Image Super-Resolution
论文题目：SeeSR: Towards Semantics-Aware Real-World Image Super-Resolution —— SeeSR:面向语义感知的真实世界图像超分辨率CVPR 2024！由于强大的生成先验，预训练的文本到图像 (T2I) 扩散模型在解决真实世界的图像超分辨率问题方面变得越来越流行。然而，由于输入低分辨率(LR)图像的质量退化严重，局部结构的破坏会导致图像语义模糊。因此，再现高分辨率图像的内容可能存在语义错误，降低了超分辨率性能。
2024-08-15 10:53:24
124
原创 【图像超分】论文精读：Boosting Flow-based Generative Super-Resolution Models via Learned Prior（BFSR）
论文题目：Boosting Flow-based Generative Super-Resolution Models via Learned Prior —— 通过学习先验提高基于流的生成超分辨率模型CVPR 2024！基于流的超分辨率(SR)模型在生成高质量的图像方面表现出了惊人的能力。然而，由于采样温度固定，这些方法在图像生成过程中遇到了一些挑战，例如网格伪影、爆炸逆和次优结果。为了克服这些问题，这项工作在基于流的 SR 模型的推理阶段之前引入了一个条件学习。
2024-08-15 10:52:55
98
图像去噪ECNDNet的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据
2024-09-19
图像去噪Noise2Void（N2V）的Pytorch复现代码，基于U-Net模型实现，原理详解，注释详细，包含训练好的模型
2024-09-10
图像去噪RNAN的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-09-07
图像去噪Noise2Noise的Pytorch复现代码，基于REDNet30模型实现，N2N原理详解，注释详细，包含训练好的模型
2024-09-06
图像去噪IRCNN的Pytorch极简复现代码，包含计算PSNR/SSIM以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-08-30
图像去噪MWCNN的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-08-29
图像去噪MemNet的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-08-25
图像去噪REDNet的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接使用，训练自己的数据集
2024-08-24
图像去噪RIDNet的Pytorch复现代码，包含计算PSNR/SSIM代码以及训练好的模型文件，可以直接用于真实图像去噪
2024-08-20
PPT绘制超分辨率论文中网络结构图，多种模板可供选择，包括3D立体效果的网络结构、2D平面结构以及相关组件的绘制
2024-08-12
图像去噪DnCNN的Pytorch完复现代码，源码基础上添加DnCNN-B/CDnCNN-B、DnCNN-3的训练和测试复现
2024-08-12
图像超分辨率RCAN的Pytorch复现代码，科研绘图，指标计算，最优SSIM和PSNR的模型权重文件（x2、x3、x4、x8）
2024-05-22
图像超分辨率FSRCNN的最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-05-16
图像超分辨率SRCNN的Pytorch复现代码，注释详细，含科研绘图，最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-05-14
图像超分辨率ARCNN的Pytorch复现代码，注释详细，含科研绘图，各Quality下的最优SSIM和PSNR的模型权重文件
2024-05-13
图像超分辨率IDN的Pytorch复现代码，注释详细，含科研绘图，最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-05-08
图像超分辨率WDSR的Pytorch复现代码，注释详细，含科研绘图，最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-04-30
图像超分辨率RDN的Pytorch版本复现代码，注释详细，易读易复用，含最优SSIM和PSNR的模型权重文件(x2、x3、x4)
2024-04-28
Python实现多图像转换成连贯的PDF文件，支持所有图片格式，可预览、裁剪、自定义PDF布局、设置图像顺序、PDF质量选择等
2024-04-28
如何识别区分工件正反面？
2023-03-13
TA创建的收藏夹 TA关注的收藏夹
TA关注的人