【视频超分】论文精读：Real-world Video Super-resolution: A Benchmark Dataset and A Decomposition based Learning

最新推荐文章于 2024-08-08 22:00:00 发布
最新推荐文章于 2024-08-08 22:00:00 发布
阅读量105 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： 音视频 超分辨率重建 计算机视觉 图像处理 深度学习 论文阅读 论文笔记
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/138558247
版权
论文提出RealVSR数据集，解决现有视频超分辨率方法在真实世界应用中的局限性。通过iPhone 11 Pro Max的多摄像头系统捕捉LR-HR视频对，模拟真实世界复杂退化。采用YCbCr空间分解和拉普拉斯金字塔损失函数，提高细节重建效果。实验表明，基于RealVSR训练的模型在真实视频上表现优于合成数据集训练的模型。
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：Real-world Video Super-resolution: A Benchmark Dataset and A Decomposition based Learning Scheme —— 真实世界的视频超分辨率:基准数据集和基于分解的学习方案

论文地址：Real-world Video Super-resolution: A Benchmark Dataset and A Decomposition based Learning Scheme

论文代码：https://github.com/IanYeung/RealVSR

ICCV 2019&#x

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
【视频超分】论文精读：Investigating Tradeoffs in Real-World Video Super-Resolution（RealBasicVSR）
畅游计算机视觉的海洋
05-16 121
现实世界视频超分辨率 (VSR) 中退化的多样性和复杂性在推理和训练中提出了重大挑战。首先，虽然长期传播导致在轻度退化的情况下提高性能，但严重的野外退化可以通过传播夸大，损害输出质量。为了平衡细节合成和伪影抑制之间的权衡，我们发现图像预清理阶段对于减少传播前的噪声和伪影是必不可少的。配备精心设计的清理模块，我们的 RealBasicVSR 在质量和效率上都优于现有方法（图 1）。其次，现实世界的 VSR 模型通常使用不同的退化进行训练以提高泛化性，需要增加批量大小以产生稳定的梯度。不可避免地，计算负担的增加
BasicVSR The Search for Essential Components in Video Super-Resolution and Beyond（视频超分论文解析）
qq_41889864的博客
03-13 866
BasicVSR: The Search for Essential Components in Video Super-Resolution and Beyond（视频超分） 提出了一个新的pipeline，BasicVSR。BasicVSR和它的扩展IconVSR可以作为之后超分算法的baseline。 上表是当前VSR方法的各种组成部分。包括传播，对齐，聚合，上采样。 这篇文章的实验建议使用双向传播方案来最大化信息收集，并使用基于光流的方法来估计两个相邻帧之间的对应关系以进行特征对齐。 通过使用简单
超分辨率重建——冠军队EDVR视频超分网络训练自己数据集与推理测试（详细图文教程）
最新发布
qq_40280673的博客
08-08 1077
EDVR（Enhanced Deep Video Restoration）是一种用于视频超分辨率重建的深度学习方法，专注于提高视频质量和分辨率。EDVR 旨在解决视频超分辨率中的关键挑战，如复杂的运动估计、多帧信息融合、以及高效地恢复细节等。EDVR 被广泛应用于视频增强、去噪、去模糊、视频超分辨率等任务中。它在保持视频流畅性的同时，能够显著提高视频的清晰度和视觉质量。
ICCV2021 | RealVSR: ​业界首个移动端真实场景视频超分辨率数据集
阿木寺的博客
09-07 1134
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达本文转载自：AIWalker论文：https://www4.comp.polyu.edu.hk/~cslzhang/pa...
经典视频超分论文总结1
longshaonihaoa的博客
10-22 1707
本文总结一下PaperWithCode中VID4榜上的几篇超分论文。 1、Bidirectional Recurrent Convolutional Networks for Multi-Frame Super-Resolution（BRCN， NeurIPS 2015）https://proceedings.neurips.cc/paper/2015/file/c45147dee729311ef5b5c3003946c48f-Paper.pdfhttps://proceedings.neurips.cc
刷新REDS4数据集记录！多级视频超分辨率算法：PP-MSVSR
我爱计算机视觉
12-19 1369
关注公众号，发现CV技术之美✎编 者 言 本文将局部窗口方法与循环方法相结合，在REDS4数据集上超越了BasicVSR++实现了SOTA，代码已开源！ 详细信息如下：作者单位：百度论...
经典视频超分论文总结2
longshaonihaoa的博客
12-14 3271
书接上回，咱继续写paperwithcode中VID4排行榜上的论文 前面的论文可以查看地址 经典视频超分论文总结1 经典视频超分论文总结2 7、Detail-revealing Deep Video Super-resolution(DRDVSR, ICCV2017) 港中文的工作，贾佳亚大佬背书，虽然有公开代码，但是直接使用pb文件，所以无法查看具体模型。即使把pb用tensorboard可视化出来也超级乱。推荐另一个torch复现的代码。 7.1 先说一下动量估计（Motion Estimation
读论文：Toward Real-World Single Image Super-Resolution: A New Benchmark and A New Model
Janice_Fj的博客
04-04 3007
ICCV2019 论文：https://arxiv.org/pdf/1904.00523.pdf 源码：https://github.com/csjcai/RealSR 1 介绍 近年来，爆炸性的增长通过训练CNN模型以实现SISR，通过设计新的CNN架构和损失函数。 不幸的是，在这样的模拟数据集上训练的SISR模型很难推广到实际应用中，因为真实LR图像中的真实退化要复杂得多。 1.基于不同数据...
【图像超分】论文精读：Accurate Image Super-Resolution Using Very Deep Convolutional Networks (VDSR)
畅游计算机视觉的海洋
03-14 9773
我们提出了一种高精度的单图像超分辨率(SR)方法。我们的方法使用了一个非常深的卷积网络，灵感来自用于 ImageNet 分类的 VGG-net [19]。我们发现增加我们的网络深度可以显着提高准确性。我们的最终模型使用 20 个权重层。通过在深度网络结构中多次级联小过滤器，以有效的方式利用大图像区域的上下文信息。然而，随着非常深的网络，收敛速度成为训练期间的关键问题。我们提出了一个简单而有效的训练过程。我们只学习残差，并使用可调梯度裁剪实现的极高学习率（比 SRCNN [6] 高 104 倍）。我们提出的方
ICCV2021 香港理工、阿里达摩院提出RealVSR：视频超分任务中的新数据集与损失方案...
我爱计算机视觉
09-28 975
关注公众号，发现CV技术之美今日分享论文『Real-world Video Super-resolution: A Benchmark Dataset and A Decompositio...
超分辨率常用数据集(Set5, Set14, BSD100, BSDS200, BSDS300, BSDS500, 91-images,General-100,
03-18
超分辨率常用数据集,包含数据增强方法和以下数据集：Set5, Set14, BSD100, BSDS200, BSDS300, BSDS500, 91-images,General-100, Manga109, Urban100, historical
Sun-Hays 80 Dataset 超分辨率图像数据集-数据集
03-19
Sun-Hays 80 Dataset 是被用于超分辨率图像研究的数据集，这套数据集由布朗大学于 2012 年发布机构。 Sun-Hays 80 Dataset 超分辨率图像数据集_datasets.txt Sun-Hays 80 Dataset 超分辨率图像数据集_datasets.zip
超分辨率图像重建常用训练集1
06-05
超分辨率图像重建常用训练集
图像超分辨
02-12
详细具体的介绍了图像超分辨的最新技术方法，对于初学图像超分辨的人来说是不错的选择。
超分测试数据集-2、3、4、8倍重建
08-08
总共五个超分重建的测试数据集，BSD100、set5、set14、Sun-Hays80、Urban100；大家酌情下载就好，没有积分的话，可以私信我，我发给你们也可以的！
【图像超分】论文精读：Enhanced Deep Residual Networks for Single Image Super-Resolution（EDSR和MDSR）
畅游计算机视觉的海洋
03-28 6518
最近对超分辨率的研究随着深度卷积神经网络 (DCNN) 的发展取得了进展。特别是，残差学习技术表现出更好的性能。在本文中，我们开发了一个增强的深度超分辨率网络（EDSR），其性能超过了当前最先进的 SR 方法。我们模型的显着性能改进是由于通过删除传统残差网络中不必要的模块进行优化。当我们稳定训练过程时，通过扩展模型大小可以进一步提高性能。我们还提出了一种新的多尺度深度超分辨率系统(MDSR)和训练方法，该方法可以在单个模型中重建不同缩放因子的高分辨率图像。所提出的方法在基准数据集上比最先进的方法表现出更好的
经典视频超分论文总结3
longshaonihaoa的博客
12-15 2998
本次写一写清华大佬Takashi Isobe的三个超分作品，大佬一年内，而且好像还是在华为实习期间连续中了三篇顶会，代码都开源在他自己的github中。 1、REVISITING TEMPORAL MODELING FOR VIDEO SUPER-RESOLUTION（RRN，BMCV2020） 本文其实很像上篇提到的FRVSR，也是采用RNN做超分，不同之处在于引入了残差结构 1.1 摘要 1）作者认为做超分因为loss不同，所以直接比结果是无效的。（这点确实，l2 loss会明显提高psnr计算结果，但
【视频超分】论文精读：BasicVSR: The Search for Essential Components in Video Super-Resolution and Beyond
畅游计算机视觉的海洋
05-15 100
视频超分辨率 (VSR) 方法往往比图像对应物具有更多的组件，因为它们需要利用额外的时间维度。复杂的设计并不少见。在这项研究中，我们希望解开结并重新考虑由四种基本功能（即传播、对齐、聚合和上采样）引导的 VSR 的一些最重要的组件。通过重用一些添加最少的重新设计的现有组件，我们展示了一个简洁的管道 BasicVSR，与许多最先进的算法相比，它在速度和恢复质量方面实现了有吸引力的改进。我们进行了系统分析，以解释如何获得此类增益并讨论陷阱。我们通过提出一种信息填充机制和耦合传播方案来促进信息聚合，进一步展示了
SuperPoint: Self-Supervised Interest Point Detection and Description
05-29
SuperPoint is a deep learning model for detecting and describing interest points in images. It is a self-supervised method, meaning that it learns to detect and describe interest points without any labeled data. Instead, it uses a loss function that encourages the model to produce consistent and repeatable predictions across different image transformations. The SuperPoint model consists of a feature extraction network and a detection and description network. The feature extraction network is based on a convolutional neural network (CNN) and is used to extract local features from the input image. The detection and description network takes the extracted features as input and produces a set of interest points and their corresponding descriptors. SuperPoint has been shown to achieve state-of-the-art performance on several benchmark datasets for interest point detection and description. It is also efficient and can process images in real-time on a GPU, making it well-suited for applications such as robotics and augmented reality.
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