论文笔记:图像内部统计对SR的启发

最新推荐文章于 2024-05-13 14:07:53 发布
最新推荐文章于 2024-05-13 14:07:53 发布
阅读量634 收藏 3
点赞数 2
分类专栏： SR 文章标签： 深度学习 超分辨率 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_40147449/article/details/83795900
版权
本文是对2011年CVPR论文《单个自然图像的内部统计》的学习笔记，探讨了利用图像内部统计进行超分辨率（SR）的思路。文章指出，图像内部的类似数据重复出现，内部统计对图像处理至关重要。ZSSR利用单个图像的内部统计实现SR，但面临局部误差和紧凑表示问题。提出了3种可能的研究方向：图像裁剪旋转以增强数据，ZSSR模型的融合策略，以及对抗性训练结合已有模型参数。下一步将进行实践编码。
摘要由CSDN通过智能技术生成

论文笔记:图像内部统计对SR的启发

为了督促自己看论文，写代码，同时记录并整理下自己的学习，每天的收获都会发在自己的CSDN博客上。

今天阅读的是一篇2011年CVPR的论文Internal Statistics of a Single Natural Image，我把它翻译为单个自然图像的内部统计，以这篇笔记记录我的收获和启发。

论文地址：
http://www.wisdom.weizmann.ac.il/~vision/SingleImageStatistics.html
zssr论文地址：
http://www.wisdom.weizmann.ac.il/~vision/zssr/

为什么是2011

因为一直学习的是超分辨率的问题，看到了一篇2018年CVPR上一篇论文
“Zero-Shot” Super-Resolution using Deep Internal Learning
简单的说就是利用单个图像的内部统计来进行SR，由于缺乏对图片内部统计的了解，在引用中找到了这篇2011年的论文，因此我在阅读这篇文章的时候也是带着解决SR问题的思路出发的。

概述(personally)

在CV问题上，我们处理的方式很多都是利用庞大的数据集来获取数据

最低0.47元/天 解锁文章
锤某
关注
  • 2
    点赞
  • 踩
  • 3
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
8/21 （CVPR2011） Internal Statistics of a Single Natural Image
qq_40723205的博客
08-21 626
这篇文章是CVPR2011年关于单张自然图像自相似的文章。Internal Statistics of a Single Natural Image 自相似性就是 图像patch会在自身图像或者跨尺度图像中重复出现。 这篇文章主要是对自相似的一个具体的证明。 对于图像中的每一个patch，用parzen窗概率密度估计 以dist为半径的区域Ndist中的密度 然后对具有相同梯度的patch计算了一个平均密度 最后计算在dist范围内，计算NN(最邻近neighbor个数 就是最相似patc
SinGAN: Learning a Generative Model from a Single Natural Image（ICCV19）
o0Helloworld0o的博客
01-03 378
2. Method 学习的目标是an unconditional generative model that captures the internal statistics of a single training image xxx 不同于纹理生成（texture generation），本文针对的图像都是general natural images 2.1. Multi-scale arch...
[ICCV2019] SinGAN: Learning a Generative Model from a Single Natural Image
xby的学习笔记存档处
10-29 1895
ICCV2019最佳论文Marr奖 作者：Tamar Rott Shaham，Technion（以色列理工） Intro 用一张自然图像训练，测试时可以生成类似该图像的合成图像。 Method 利用金字塔式的多个GAN，每层GAN均引入噪声，对应不同的分辨率。如下图 生成器的具体细节： Results Application Super-Resolution Paint-to-Imag...
【图像超分辨（SR）】图像超分辨领域一些英文名词最通俗的中文解释
qq_43426078的博客
03-02 4249
博主算是刚入超分辨的坑没多久，自己在看论文的时候，会遇到很多名词，拆开来每个单词我都认识，但是组合起来就是不知道他在讲什么...... 最难受的是很多名词都缺乏中文（甚至英文）的解释。可能刚入门的时候要知道某个名词（词组）是在说什么都要花很多时间去查去考证。我想很多朋友可能都有过类似的经历。 写这篇博客的目的一方面是记录一下自己查过的名词，方便以后查阅。另一方面是给很多和我一样还在入坑中的或者比我入坑要晚的小伙伴一点便利。博文会持续更新。
图像超分辨率SR 论文总结
08-07
在图像处理领域，超分辨率（Super-Resolution，简称SR）是一项关键的技术，旨在从低分辨率图像重建高分辨率图像，以提高细节清晰度和视觉质量。本文主要总结了2015年CVPR会议上发表的论文《Image Super-Resolution ...
图像超分入门必备：2020CVPR图像超分论文集合
01-02
图像超分辨率（Image Super-Resolution, SR）是计算机视觉领域中的一个重要研究方向，它旨在将低分辨率（Low-Resolution, LR）图像恢复成高分辨率（High-Resolution, HR）图像，以提高图像的清晰度和细节表现力。...
图像去雨、去雾等恢复任务：代码简化的SR3扩散模型，有注释及实验流程
03-10
1.源代码中包括大量的小文件，不适合初学者调试和使用。 2.我根据其核心代码进行简化，将一些不必要的代码文件和代码块删除，并在Rain13K (就是MPRNet、Restormer等方法使用的去雨数据集) 上进行了实验，目前取得...
超分辨率论文合集(SR)
12-08
超分辨率（Super-Resolution, 简称SR）是一种计算机视觉技术，旨在通过算法提高图像或视频的分辨率，使其在视觉上更加清晰、细节丰富。近年来，随着深度学习的快速发展，超分辨率技术也取得了显著的进步。这篇论文...
读书笔记：微服务之SpringCloud实践Dalston.SR4版本.zip
07-26
读书笔记：微服务之SpringCloud实践Dalston.SR4版本
tensorflow-“Zero-Shot” Super-Resolution using Deep Internal Learning
03-18
这是发表在CVPR2018上的超分辨率论文代码，欢迎各位下载！
matlab如何敲代码-pytorch-ZSSR:Pytorch实现“零射击”超分辨率
05-23
matlab如何敲代码使用深度内部学习（ZSSR）的Pytorch实现“零射击”超分辨率 修改后的表格Assaf Shocher 包括所有增强功能。 这个pytorch版本的原理是“尽可能少地更改”，因此大部分代码来自Assaf Shocher。 谢谢阿萨夫，我真的很喜欢这篇论文：） 我在config.py中添加了cuda标志。 如果要使用cpu，请将其设置为False。 以下是阿萨夫（Assaf）的原始自述文件。 使用深度内部学习（ZSSR）的“零射击”超分辨率 论文的正式实施者：阿萨夫·舒彻，纳达夫·科恩，米哈尔·伊尼 纸： 项目页面：（请参阅我们的结果以及与其他方法的视觉比较） 接受的CVPR'18 实际上，当前提供的ZSSR版本在基准测试上实际上比本文中指出的要好。 例如，当将当前版本应用于“ Set14”而不使用渐进式SR增量时，它实现的PSNR略高于论文中指定的水平（当应用六个渐进式增量时）。 当应用与本文中指定的类似的渐进增量时，则获得+ 0.3dB。 如果您发现我们的工作对您的研究或出版物有用，请引用我们的工作： @InProceedings{ZSSR, author
ZSSR-“Zero-Shot” Super-Resolution using Deep Internal Learning论文详解
06-21 3950
论文下载：https://arxiv.org/pdf/1712.06087.pdf CVPR2018 GitHub：https://github.com/assafshocher/ZSSR TensorFlow版本 项目：http://www.wisdom.weizmann.ac.il/~vision/zssr/ Abstract 1.目前使用基于CNN的SR，都是监督方法，且限定于特定的数据，预先从HR图像中得到LR图像（通常是三立方插值），而没有任何的噪声或伪影，但真实图像上往往...
【图像超分辨率】RS Image SR Based on Visual Saliency Analysis
qq_41807261的博客
05-28 1000
Remote-Sensing Image Superresolution Based on Visual Saliency Analysis and Unequal Reconstruction Networks摘要I. 引言II. 相关研究A. 经典图像SR1) 频域算法2）空间域算法3）基于实例的算法B. 基于深度学习的SR1）架构。2) 损失函数。C. RSI的SR技术III. 方法A. 多尺度梯度显著分析B. 显著性驱动的门条件生成对抗网络1）对抗学习。2）网络结构。2) Saliency-Weig
【图像超分】论文精读：“Zero-Shot“ Super-Resolution using Deep Internal Learning（ZSSR）
畅游计算机视觉的海洋
05-13 114
在过去的几年里，深度学习导致了超分辨率 (SR) 性能的大幅飞跃。然而，作为监督，这些 SR 方法仅限于特定的训练数据，其中从高分辨率 (HR) 对应物中获取低分辨率 (LR) 图像是预先确定的（例如双三次降尺度），没有任何分散注意力的伪影（例如传感器噪声、图像压缩、非理想 PSF 等）。然而，真正的 LR 图像很少遵守这些限制，导致 SotA方法的 SR 结果很差。在本文中，我们介绍了“零样本”SR，它利用了深度学习的力量，但不依赖于先前的训练。我们利用单个图像内部信息的内部递归，并在**仅从输入图像本身
图像超分辨之ZSSR
年轻即出发，
12-25 8795
论文：“Zero-Shot” Super-Resolution using Deep Internal Learning Github：https://github.com/assafshocher/ZSSR 主页：http://www.wisdom.weizmann.ac.il/~vision/zssr/   cvpr 2018   主要贡献： 本文的ZSSR是第一个基于非监督的基...
SinGAN：Learning a generative Model from a Single Natural Image解读（ICCV2019最佳论文）
我的博客有点东西
10-30 8197
昨天晚上看完了这篇论文。不得不说，这篇工作确实很棒，使用一个统一的模型，却能解决很多视觉任务。而且方式也是很简单，不需要设立各式各样复杂的condition。 总览 先大致说下这篇论文是做什么的，以及如何做。 SinGAN在仅仅一张图像上训练，这张图片既是训练样本也是测试样本。在这张图像上训练完了之后，同样在这样图片上测试。如果你想换一张图像测试，就必须先在那张图像上训练，这是有异于其他GAN的。...
-Zero-Shot-- Super-Resolution using Deep Internal Learning
Cyiano的博客
04-03 4306
“Zero-Shot”: Super-Resolution using Deep Internal Learning 简介 以往的深度学习超分辨方法是基于大量的LR-HR数据来训练一个网络的参数，其中生成LR的方法是用诸如MATLAB的imresize函数，这种LR图像被称为 ideal 的。然而实际情况中要超分辨的LR图像往往有是 non-ideal 的：掺杂噪声、未知的降采样核、有ali...
[毕业设计]Java基于RSA算法的文件加密系统设计与实现(源代码+论文).zip
最新发布
08-21
[毕业设计]Java基于RSA算法的文件加密系统设计与实现(源代码+论文)
"图像超分辨率SR论文总结与归纳：经典论文、网络分析、优劣评价与改善方向
图像超分辨率（SR）是一个重要的计算机视觉任务，旨在通过提高图像的空间分辨率来获取更多细节和清晰度。随着深度学习技术的发展，越来越多的研究者开始利用深度神经网络来解决图像超分辨率问题。本文对图像超分辨率...
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
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