Self-Supervised Deep Blind Video Super-Resolution

已于 2022-04-08 11:32:12 修改
阅读量3.3k 收藏 1
点赞数 1
分类专栏： 无监督超分 文章标签： 超分辨率重建 神经网络
于 2022-04-08 11:27:38 首次发布
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_42500831/article/details/124025488
版权

在这里插入图片描述
论文地址：https://arxiv.org/abs/2201.07422

  • 提出了一种有效的视频SR自监督学习算法，该算法不需要任何成对或不成对的数据集作为监督为了约束视频SR的深层模型
  • 我们开发了一种简单有效的方法，根据视频SR的图像形成，从原始LR输入视频中生成辅助配对数据
  • 这是第一个基于自监督学习的盲视频SR算法，以端到端的方式对我们的方法进行训练，并表明它在基准数据集和真实视频上都产生了良好的结果。

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
K i K_i Ki​是原始LR输入模糊核的结果， L k L_k Lk​是模糊模型的损失

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在真实的LR视频上测试
在这里插入图片描述
模型参数量
在这里插入图片描述
模糊核估计欠佳
在这里插入图片描述

bugcoder-9905
关注
专栏目录
【论文阅读】Deep Learning for Image Super-resolution: A Survey（DL超分辨率最新综述）
florrie
01-13 7413
Deep Learning for Image Super-resolution: A Survey（DL超分辨率最新综述） 博主最近看了一篇2019年最新的非常详细的超分辨率领域DL方法的综述，大大地赞！写得非常好，文章工作整理地非常完善！所以想整理成文章发表，留作以后看，哈哈哈哈哈~~ abstract 摘要部分，论文主要讲述了，将超分辨率分成三类：监督的图像超分辨率、无监督的图像超分辨率、特...
人脸识别二
AI+机器人
02-28 6219
awesome-Face_Recognition Face Tracking; Face Clustering; Face Super-Resolution && Face Deblurring && Face Hallucination; Face Generation && Face Synthesis && Face Completion && Face Restoration && Face De-O
TPAMI 2024 | 题目：自我监督的深度盲视频超分辨率
最新发布
小白学视觉
07-21 115
点击上方“计算机书童”，选择加"星标"或“置顶”顶刊论文解读，第一时间分享Self-Supervised Deep Blind Video Super-Resolution题目：自我监督的深度盲视频超分辨率作者：Haoran Bai and Jinshan Pan源码：https://github.com/csbhr/Self-Blind-VSR摘要现有的基于深度学习的视频超分辨率(SR)方法通常...
Deep Blind Video Super-resolution
造未来
11-26 1504
好像中了CVPR 2020？？？没有查到 代码：https://github.com/jspan/blindvsr 文章思路 所谓盲超分： 我的理解是目前大部分的图像和视频超分辨算法，他们所使用的退化模型都是已知的，比如Bicubic核，高斯模糊核。在我们使用CNN去建模时，CNN在超分过程中并不会对模糊核进行建模，因为它是已知的，这样导致的问题就是最后产生的超分结果很平滑，看上去就会显得比较模糊。（这个地方的疑惑是为什么已知了，CNN就不对其建模了？这个地方有大佬有更深入的理解，还望告诉在下，） 所以盲.
自监督的盲视频超分（TPAMI24）
qq_47071402的博客
04-29 1124
Main branch分支是先经过VSR超分网络再进行退化得到退化的LR帧并和原始的LR的输入帧计算损失；2、视频中的信息相比于图像多，对于盲视频超分来说，需要充分利用视频中的信息，如时序，模糊信息；对于模糊核的使用是用来下采样LR以构造自监督的训练范式，但没有将估计出的模糊核利用到超分网络；模糊核估计的和真实GT模糊核还有所偏差，且真实场景下是没有GT模糊核监督的；通过估计的模糊核和光流构建LR视频帧的下采样帧LR'，用来构建辅助损失；相比于盲图像中的模糊核估计，不同之处是模糊核估计网络的输入是不同的；
视频超分：Deep Blind Video Super-resolution
WangsyHebut的博客
12-29 2171
论文：深度盲视频超分辨率方法 代码：https://github.com/jspan/blindvsr（Page not found） 文章检索出自：2020 arXiv现有的视频超分算法通常假设退化过程中的模糊核是已知的，并且超分时没有对模糊核进行建模。然而，这种假设通常会导致超分图像过分平滑。为此，本文的主要贡献如下： 1）提出了一个有效的视频超分算法，能够同时估计模糊核，运动场和潜在图像 2）提出了一种有效的核估计方法和图像反卷积算法去恢复高质量图像 3）基准数据集和真实世界的视频上对所提出的算法进行
每天一篇论文 SuperDepth: Self-Supervised, Super-Resolved Monocular Depth Estimation
流浪机器人的博客
12-21 1768
原文 STN STN网络 https://blog.csdn.net/qq_39422642/article/details/78870629 摘要 自监督单目深度估计的最新技术已接近于监督方法的性能，但仅在低分辨率下工作。研究表明，高分辨率是实现高保真自监督单目深度预测的关键。受近年来单图像超分辨率的深度学习方法的启发，我们提出了一种深度超分辨率的亚像素卷积层扩展方法，该方法可以从相应的低分辨率...
论文阅读 | Video Super-Resolution Transformer
bettii的博客
02-15 1095
2021年用Transformer实现视频超分VSR的文章，改进了全局连接的自注意力机制，并在FFN中加入了光流引导
ICCV2021｜底层视觉(图像生成，图像编辑，超分辨率等)相关论文汇总（附论文链接/代码）[持续更新]
Kobaayyy的博客
09-22 4612
ICCV2021｜底层视觉和图像生成相关论文汇总（如果觉得有帮助，欢迎点赞和收藏）1.图像生成（Image Generation）Multiple Heads are Better than One: Few-shot Font Generation with Multiple Localized ExpertsPIRenderer: Controllable Portrait Image Generation via Semantic Neural RenderingToward Spatially Un
【论文阅读笔记】NeurIPS2020文章列表Part1
热门推荐
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
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！
GitHub：超分辨率最全资料集锦
阿木寺的博客
10-23 8510
作者：ChaofWang | 编辑：Amusi 前言 本文将分享的内容是：超分辨率（Super Resolution，SR）最全资料合集，涵盖了SISR、VSR等。 一张图看懂超分辨率SR作用 注：文末附超分辨率SR微信交流群，欢迎加入学习 Awesome-Super-Resolution 项目作者：ChaofWang Star 数量：636 Commit 数量：120 https://github.com/ChaofWang/Awesome-Super-Resolution 该项目主要包含以下内
【论文笔记——自监督学习综述】Self-supervised Visual Feature Learning with Deep Neural Networks: A Survey
Lethe's Blog
10-11 7082
【论文笔记——自监督学习综述】Self-supervised Visual Feature Learning with Deep Neural Networks: A Survey Abstract Large-scale labeled data are generally required to train deep neural networks in order to obtain better performance in visual feature learning from images
ECCV 2022 超分辨率（super-resolution）方向上接收论文总结（持续更新）
yyywxk的博客
07-27 3644
除了著名的CVPR、ICCV，ECCV（欧洲计算机视觉国际会议）也是计算机视觉三大国际顶级会议之一，每两年召开一次。本届 ECCV 2022 将在10月23日-27日的以色列特拉维夫（Tel-Aviv）举行，采取线下和线上混合形式召开1。而本届会议论文录用率不足20%。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。ECCV 2022放榜了！1629篇论文中选，录用率不到20% ...
CVPR 2020 & AAAI 2020超分辨率（super-resolution）方向上接收论文总结
yyywxk的博客
04-11 1万+
CVPR 2020 官网链接：http://cvpr2020.thecvf.com/ 时间：Seattle, Washington，2020年6月14日-6月19日 图像超分辨率 Rethinking Data Augmentation for Image Super-resolution: A Comprehensive Analysis and a New Strategy 论文：htt...
CVPR20 Meta-Transfer Learning for Zero-Shot Super-Resolution
时间停止的那刻
04-25 350
添加要改颜色的字体 添加要改颜色的字体 添加要改颜色的字体 添加要改颜色的字体 本文发表于CVPR20 上 文献地址： GitHub： 一、疑问： 1、unsupervised 即self-supervised ? 二、解决问题： ZSSR has a few limitations it requires thousands of backpropagation g...
Non-Local详解
贝贝
07-12 1299
2020cvpr《Image Super-Resolution with Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars 》论文阅读记录！ 论文链接： 源码链接：
解读 | 自监督视觉特征学习综述
CatOneTwo的专栏
07-02 4311
本文是一篇 2019 年的综述文章的解读，这篇综述总结了自监督学习在视觉领域的应用，全文清晰条理，容易理解。 标题：《Self-supervised Visual Feature Learning with Deep Neural Networks: A Survey》 链接：paper 1. 自监督介绍 大规模数据集的收集和标注既耗时又昂贵。 为了避免耗时且昂贵的数据标注，有人提出了自监督方法，一种无监督学习的子方法，以在不使用任何人工标注的情况下从大规模未标记图像或视频中学习视觉特征。 为了从无标.
Self-Supervised学习方法分类及相关经典论文整理分享
lqfarmer的博客
07-03 242
自监督方法（Self Supervised Learning）可以看作是一种具有监督形式的特殊形式的非监督学习方法，这里的监督是由自我监督任务而不是预设先验知识诱发的。与完全不受监督的设置相比，自监督学习使用数据集本身的信息来构造伪标签。在表示学习方面，自我监督学习具有取代完全监督学习的巨大潜力。人类学习的本质告诉我们，大型注释数据集可能不是必需的，我们可以自发地从未标记的数据集中学习。更为现实的设置是使用少量带注释的数据进行自学习。这称为Few-shot Learning。 本资...
介绍一下：Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image Super-Resolution with Subpixel Fusion
05-11
Decoupled-and-Coupled Networks: Self-Supervised Hyperspectral Image Super-Resolution with Subpixel Fusion 是一篇论文，主要探讨了如何利用自监督学习的方法对高光谱图像进行超分辨率重建。该方法使用了分离和...
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

bugcoder-9905

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