【图像超分】论文精读：Details or Artifacts: A Locally Discriminative Learning Approach to Realistic Image Super

于 2024-05-01 08:58:33 发布
阅读量688 收藏
点赞数
分类专栏： 超分辨率重建（理论+实战，科研+应用） 文章标签： 计算机视觉 深度学习 图像处理 超分辨率重建 论文阅读 论文笔记 图像修复
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_36584673/article/details/138115382
版权
本文深入研究了GAN-SR模型在图像超分辨率中产生的视觉伪影问题，提出了一种名为局部判别学习（LDL）的新方法。通过区分细节与伪影，LDL能够抑制不愉快的伪影，同时保留真实细节。实验证明，LDL在多个指标上优于现有技术，适用于合成和真实世界的SISR任务，为提高图像超分辨率的感知质量和重建精度提供了新思路。
摘要由CSDN通过智能技术生成

第一次来请先看这篇文章：【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）

文章目录

前言

论文题目：Details or Artifacts: A Locally Discriminative Learning Approach to Realistic Image Super-Resolution （LDL）—— 细节或伪影:真实感图像超分辨率的局部判别学习方法

论文地址：Details or Artifacts: A Locally Discriminative Learning Approach to Realistic Image Super-Resolution

论文源码：https://github.com/csjliang/LDL

CVPR 2022 ！解决GAN产生的局部伪

了解本专栏 订阅专栏 解锁全文
十小大
关注
专栏目录
订阅专栏
【论文笔记】Details or Artifacts: A Locally Discriminative Learning Approach toRealistic Image Super-Reso
h_hhhhhworld的博客
10-26 2440
目前超分想要优异的纹理信息，那GAN（生成对抗网络 generative adversarial networks）就是必经之路。但GAN的训练是不稳定的，加入了GAN会生成丰富的细节，同事也会产生伪纹理（Artifacts），artifacts直接影响人的视觉感受。·本文中，作者开发了一个框架来区分GAN生成的伪纹理和真实细节，从而生成artifacts map以规范和稳定模型训练过程。
图像超分：真实感图像超分辨率的局部判别学习方法
不要给自己设限，尝试更多可能（思所向 皆可往）
04-21 852
图像超分：真实感图像超分辨率的局部判别学习方法 《Details or Artifacts: A Locally Discriminative Learning Approach to Realistic Image Super-Resolution》 单图像超分辨率（SISR）问题，它旨在从低分辨率（LR）图像重建高分辨率（HR）图像。最近，由于其生成丰富细节的潜力，使用生成对抗网络（GAN）的SISR引起了越来越多的关注。然而，GAN的训练不稳定，它经常在生成的细节中引入许多感知上不愉快的伪影。
【论文阅读笔记】用于真实图像超分辨率的一种局部判别学习方法（LDL）
s_l_w_的博客
10-27 1143
具有生成对抗网络的单图像超分辨率由于其具有产生丰富细节的潜力而备受关注。但是GAN的训练过程具有不稳定性，在生成细节的同时也会产生在感官上令人不舒服的伪影。在此篇论文中作者证明了可以训练基于GAN的SISR模型，该模型在可以稳定地生成在感官上更为逼真的细节的同时也会抑制伪影的生成。基于观察到的伪影区域的局部统计（例如残值方差）通常不同于感知较好的区域，作者开发了一个用来区分GAN网络生成的伪影和真实细节的框架，并因此生成伪影映射图来规范和稳定模型的训练过程。 作者所提出的局部判别学习模型。
超分辨率图像重建任务的进展与挑战
最新发布
ling2828ling的博客
11-08 167
贝叶斯深度学习为量化深度学习模型中的各种不确定性因素提供了一个新的理论框架。通过将贝叶斯迭代优化展开到基于DNN的实现中，我们可以实现对基于学习的SR的不确定性进行建模和估计的原则性方法。在应用端，我们可以预见，通过从纳米和光年这两个极端尺度中寻找新的应用，SR技术将在计算成像中产生更大的影响。由于人脑处理的大多数信息都是视觉信息，我们预计SR成像将继续成为人类在生物和物理科学领域探索未知领域的关键技术。n。
CVPR 2022 | AAAI2022 | WACV 2022 超分辨率（super-resolution）方向上接收论文总结
yyywxk的博客
04-18 8320
目录CVPR 2022图像超分盲超分视频超分特殊场景AAAI 2022图像超分特殊场景WACV 2022图像超分视频超分特殊场景参考资料 CVPR 2022 官网链接：http://CVPR2022.thecvf.com 会议时间：2021年6月19日-6月24日 现将超分辨率方向上接收的论文汇总如下，遗漏之处还请大家斧正。 图像超分 Local Texture Estimator for Implicit Representation Function Paper: https://ipl.dgist
CVPR2022去噪+超分
Java_yubaobao的博客
05-05 3804
这里写自定义目录标题CVPR2022去噪+超分去噪图像复原/去噪/增强 CVPR2022去噪+超分 去噪 Deep Constrained Least Squares for Blind Image Super-Resolution(用于盲图像超分辨率的深度约束最小二乘) ，论文地址：https://link.zhihu.com/?target=https%3A//arxiv.org/abs/2202.07508 Local Texture Estimator for Implicit Represent
CVPR 2021最全论文开放下载！附pdf下载链接！
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
（十：2020.08.28）CVPR 2018 追踪之论文纲要（译）
Jojo论文基地
08-28 7172
CVPR 2018 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这979篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3196
CVPR 2017 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这1400篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译以方便我第一次筛选，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录
（三十 ：2021.01.11）MICCAI 2018 追踪之论文纲要（上）
Jojo论文基地
01-11 2801
讲在前面 这部分是PART I和PART II。 论文目录 PART I Image Quality and Artefacts（图像质量和伪影） 概要 1.Conditional Generative Adversarial Networks for Metal Artifact Reduction in CT Images of the Ear用于减少耳朵CT图像中的金属伪像的条件生成对抗网络 2.Neural Network Evolution Using Expedited G
浅谈CVPR2022的几个研究热点
06-25 1万+
CVPR2022刚刚结束，作为影响力最广的视觉盛会，今年又有一批优秀的工作被展示出来。相信关注视觉最新研究进展的各位小伙伴，已经磨拳擦掌，准备向CVPR2023投稿了。基于今年的工作，到底哪些领域是CVPR关注的热点？哪些领域的工作，接受度更高，oral的比例更大呢？基于CVPR官方最新的统计信息，我将跟大家聊聊CVPR的一些研究热点，希望对那些计划投下一轮CVPR的同学提供一点参考信息。............
CVPR2022 底层视觉 | 图像处理
慢慢的博客
09-15 2116
CVPR2022底层视觉
【论文阅读】Learning Deep Features for Discriminative Localization
正善有的博客
04-15 3500
Abstract 研究了全局平均池化(global average pooling, GAP)，分析了它如何仅仅使用图像级标签训练就能使CNN具有出色的定位能力(localization ability)。作者发现，尽管GAP若为一种正则化手段被提出(来自Network in Network)，但它其实建立了一种具有定位能力的表示 ，可以显示出CNN在一张图片中关注到的区域。作者仅使用GAP和图像级标签（即仅使用图像标签进行弱监督语义分割），在ILSVRC2014的目标检测任务上取得了37.1%的top-5
CVPR‘22 最新106篇论文分方向整理｜包含目标检测、动作识别、图像处理等32个方向
jacke121的专栏
03-18 4668
CVPR 2022 已经放榜，本次一共有2067篇论文被接收，接收论文数量相比去年增长了24%。在CVPR2022正式会议召开前，为了让大家更快地获取和学习到计算机视觉前沿技术，极市对CVPR022 最新论文进行追踪，包括分研究方向的论文、代码汇总以及论文技术直播分享。 CVPR 2022 论文分方向整理目前在极市社区持续更新中，已累计更新了254篇，项目地址：https://bbs.cvmart.net/articles/6124 以下是本周更新的 CVPR 2022 论文，包含包含目标检测、图像..
Paper Reading-list
zyr_freedom的博客
03-20 5141
paper reading list
CVPR 2022 最新106篇论文分方向整理｜包含目标检测、动作识别、图像处理等32个方向
极市平台的技术博客
03-18 7917
包含目标检测、图像处理、三维视觉、医学影像、视频检索等方向。
CVPR2022论文列表（中英对照）
热门推荐
dovings的博客
07-04 1万+
CVPR论文列表，中英对照
CVPR2022最新106篇论文整理｜包含目标检测、动作识别、图像处理等32个方向
深度学习技术前沿
03-27 1万+
转自：极市平台分类目录：检测类2D目标检测3D目标检测伪装目标检测显著性目标检测边缘检测消失点检测分割类图像分割语义分割视频目标分割人脸人脸生成人脸检测图像处理图像复原图像编辑/图像修复图像翻译超分辨率去噪/去模糊/去雨去雾风格迁移三维视觉三维重建场景重建/视图合成点云神经网络架构设计CNNTransformerMLP神经网络架构搜索人体解析/人体姿态估计动作识别/检测视...
改进的WDDTV算法：中子外部CT图像伪影抑制与噪声控制
"本文提出了一种改进的中子外部CT图像伪影抑制方法，通过采用加权方向全变差（WDTV）算法来减少径向边缘的伪影，提升图像重建质量。在高噪声环境中，该方法在WDTV重建模型的基础上，对径向和切向方向施加不同TV最小...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

十小大

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值