- 博客(6)
- 收藏
- 关注
原创 [CVPR2021] GFP-GAN: Towards Real-World Blind Face Restoration with Generative Facial Prior
由退化去除模块(U-Net)和预训练的人脸GAN(如StyleGAN2)组成通过潜在编码桥接映射和CS-FET层退化去除模块提取:F_latent潜在特征F_spatial多分辨空间特征用于空间调制StyleGAN2人脸特征F_GAN由StyleGAN生成的中间图像卷积特征损失全局重建损失恢复对抗损失面部成分损失身份保持损失。
2023-09-01 00:57:57 550 2
原创 图像超分辨 Supper-Resolution
近邻插值(Nearest Interpolation)双线性插值(Bilinear Interpolation)中心对齐浮点运算→整数运算→左右移按位运算双三次插值(Bicubic Interpolation)问题:棋盘效应反卷积的棋盘格效应只能保证矩阵大小相等,不能完全恢复数值2. 深度学习方法 Single Image Super-Resolution, SISR从SRCNN到EDSR,总结深度学习端到端超分辨率方法发展历程。
2023-09-01 00:46:33 529 1
原创 [CVPR2021] LIIT - Unsupervised Degradation Representation Learning for Blind Super-Resolution
解决:图像连续表示, 实现任意分辨率(x30)贡献:局部隐式图像函数(LIIF)输入:图像坐标和坐标周围的 2D 深度特征输出:给定连续坐标RGB->任意分辨率训练:训练编码器,表示LIIF,超分自监督任务端到端,不用调整groundtruth数据集:NTIRE 2017 Challenge: DIV2K, 1000 2K测试集:Set5, Set14, B100, Urban100函数参数由深度网络学习编码器预测不同对象潜在编码,所有对象共享解码函数,同时输入坐标不同于上采样。
2023-08-31 20:28:08 237
原创 InfinityGAN - Towards Infinite-Resolution Image Synthesis
解决的问题: 如何使用生成模型,生成任意分辨率的图像大视场图像应用:spatial style fusion, multi modal outpainting, image特点:输入输出任意大小242 个 patch 组成的 1024×2048 图像,由 InfinityGAN 独⽴合成,两种⻛格的空间融合。⽣成器在从 197×197 真实图像采样的101×101 个patch有限的计算资源(例如,内存和训练时间)→ 限制输⼊感受野和输出⼤⼩ →有限资源无监督学习隐式全局结构。
2023-08-31 20:27:50 146
原创 ESRGAN: Enhanced Super-resolution Generative Adversarial Netwoks
改进判别器,判断“⼀个图像是否⽐另⼀个图像更真实”,⽽不是“⼀个图像是真实的还是假的”。SR-MINC损失,基于⽤于材料识别的微调VGG⽹络 → 纹理感知。无BN层RDDB块,残差缩放,较小初始化,相对GAN → 精细纹理。基于GAN的⽅法会产⽣清晰的边缘和更丰富的纹理,但会出现伪影。激活后VGG改为激活前VGG → 好的清晰边缘,感知质量。,删除批量归一化(BN)→提升容量,简化训练。纯PSNR导向的⽅法会输出卡通⻛格的模糊图像。损失采用激活前特征 → 准确亮度,真实纹理。更⾃然的纹理,更少的伪影。
2023-08-31 20:26:55 210
原创 [CVPR2021] [oral] DASR - Learning Continuous Image Representation with Local Implicit Image Function
目前SR基于退化假设,实际退化与假设不同时不能适应:⾼斯模糊、运动模糊和噪声的不同组合本方法无需显示退化估计,学习退化表示DASR。
2023-08-31 20:26:29 235
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人