“Nonparametric Blind Super-Resolution”

最新推荐文章于 2023-12-24 16:45:04 发布
最新推荐文章于 2023-12-24 16:45:04 发布
阅读量1.9k 收藏 2
点赞数
分类专栏： super-resolution 文章标签： super-resolution
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/u010367533/article/details/39248745
版权
ICCV2013：Nonparametric Blind Super-Resolution



创新点：
指出将PSF作为模糊核是错误的，提出了一种利用相似块估计高分辨率图与低 分辨率图像之间模糊核的方法。







聪明猫
关注
专栏目录
【图像超分】论文精读：Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data
畅游计算机视觉的海洋
04-11 2927
尽管在盲超分辨率中已经进行了许多尝试来恢复退化未知和复杂图像的低分辨率图像，但它们仍然远未解决一般的真实世界退化图像。在这项工作中，我们将强大的 ESRGAN 扩展到使用纯合成数据训练的实际实现应用程序（即 Real-ESRGAN）。具体来说，引入了一个高阶退化建模过程来更好地模拟复杂的现实世界退化。我们还在合成过程中考虑了常见的振铃和超调伪影。此外，我们使用具有光谱归一化的 U-Net 鉴别器来增加鉴别器能力并稳定训练动态。广泛的比较表明，它在各种真实数据集上比以前的工作具有更好的视觉性能。我们还提供有效
-Zero-Shot-- Super-Resolution using Deep Internal Learning
Cyiano的博客
04-03 4327
“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...
Blind Super-Resolution With Iterative Kernel Correction论文阅读笔记
weixin_43840215的博客
07-01 6606
文章发表于CVPR 2019 论文地址：http://arxiv.org/abs/1904.03377 目前绝大部分图像超分辨率算法，假设图像退化（LR图像获得）过程中的下采样模糊核是预先定义或已知的，如bicubic下采样，这类算法在应用于实际应用时，如果模糊核是复杂或未知时，图像超分辨效果会大大降低。文中，提出了Iterative Kernel Correction（IKC）迭代核校正算法用于...
【图像超分辨（SR）】一文通俗解释blind SR（盲超分）和non-blind SR（非盲超分）的区别
热门推荐
qq_43426078的博客
03-03 1万+
blind和non-blind的区别用一句话来概括就是：是否假设退化核已知并将其作用于图像来做网络训练。 non-blind Super Resolution： 这类方法在训练过程中都假设了退化核(也可以叫退化函数，其实就是degradation)已知，也就是说，在训练过程中一般都会使用一个确定的退化核从HR得到LR，然后来做训练。 深度学习做超分早期的大部分工作都是non-blind SR，一般过程是，把假设已知的退化核作用在图像上得到退化后的LR图像，用LR和HR来训练网络，得到的网络在面对同样退化核产
论文笔记：Blind Super-Resolution With Iterative Kernel Correction
碧落回雪的博客
09-17 790
论文：Blind Super-Resolution With Iterative Kernel Correction 论文看得比较粗略，所以可能存在理解错误的地方，请指正（另外请忽略我糟糕的英语） Blind Super-Resolution With Iterative Kernel CorrectionMovtivationEstimate the kernelCorrect the kernelMethodNetwork Architecture of SR modelNetwork Architec
Unsupervised Degradation Representation Learning for Blind Super-Resolution（基于无监督退化表示学习的盲超分辨率处理）
长期更新自学笔记
04-23 2137
Abstract(摘要) 目前的SR方法大多是基于固定且已知的一种下采样方法，如双三次下采样，但是当真实图片的情况与假设的方法不同时，即真实的图片因为各种各样的不确定性因素，图像有多重降质（含有下采样、模糊、噪声等等）的情况，此时网络结构的性能与在理想情况下相比会产生很大的误差。因此，如何使网络结构能够处理多重降质的情况，是一个重要的研究方向。 本文提出的方法 提出了一种无监督退化表示学习方案，具体的说，我们学习抽象表示来区分表示空间的各种退化，而不是像素空间的显式估计； 引入了一个退化感知（Degrad
（十一：2020.08.28）CVPR 2017 追踪之论文纲要（译）
Jojo论文基地
08-28 3243
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
ICCV2017论文摘要汇总
super_chicken的博客
04-18 6439
1. Globally-Optimal Inlier Set Maximisation for Simultaneous Camera Pose and Feature Correspondence Abstract: Estimating the 6-DoF pose of a camera from a single image relative to a pre-computed 3D p...
【更新】Jia-Bin Huang收集的计算机视觉代码库
三少GG
06-17 1万+
维护地址为： https://sites.google.com/site/jbhuang0604/resources/vision 内容详实，作为入门领域的参考非常有用！             label topic type resource_url:url reference
【2011-2016】 NIPS汇总 - Advances in Neural Information Processing Systems
Testing的博客
10-02 1万+
Advances in Neural Information Processing Systems 24 (NIPS 2011) The papers below appear in Advances in Neural Information Processing Systems 24 edited by J. Shawe-Taylor and R.S. Zemel and P.L.
超级缩放解析内核Blind Super-Resolution Kernel Estimation using an Internal-GAN
03-11
Abstract Super resolution (SR) methods typically assume that the low-resolution (LR) image was downscaled from the unknown high-resolution (HR) image by a fixed ‘ideal’ downscaling kernel (e.g. Bicubic downscaling). However, this is rarely the case in real LR images, in contrast to synthetically generated SR datasets. When the assumed downscaling kernel deviates from the true one, the performance of SR methods significantly deteriorates. This gave rise to Blind-SR – namely, SR when the downscaling kernel (“SR-kernel”) is unknown. It was further shown that the true SR-kernel is the one that maximizes the recurrence of patches across scales of the LR image. In this paper we show how this powerful cross-scale recurrence property can be realized using Deep Internal Learning. We introduce “KernelGAN”, an image-specific Internal-GAN [29], which trains solely on the LR test image at test time, and learns its internal distribution of patches. Its Generator is trained to produce a downscaled version of the LR test image, such that its Discriminator cannot distinguish between the patch distribution of the downscaled image, and the patch distribution of the original LR image. The Generator, once trained, constitutes the downscaling operation with the correct image-specific SR-kernel. KernelGAN is fully unsupervised, requires no training data other than the input image itself, and leads to state-of-the-art results in Blind-SR when plugged into existing SR algorithms. 1
2018C-Detecting spacecraft anomalies using LSTMs and Nonparametric Dynamic..pdf
11-08
摘要 随着航天器发回越来越多的遥测数据，需要改进异常探测系统，以减轻操作工程师的监测负担，降低操作风险。目前的航天器监测系统只针对异常类型的子集，由于规模和复杂性的挑战，常常需要昂贵的专家知识来开发和维护。我们展示了长短期记忆(LSTMs)网络(一种递归神经网络(RNN))在克服这些问题上的有效性，使用来自土壤水分主动被动(SMAP)卫星和火星科学实验室(MSL)漫游者“好奇号”的专家标记的遥测异常数据。我们还提出了一种互补的无监督和非参数异常阈值方法，该方法是在SMAP异常检测系统的试运行中开发的，并提供了假阳性缓解策略以及在开发过程中获得的其他关键改进和教训。
非线性时间序列_范剑青_中文
02-24
非线性时间序列_范剑青_中文..................................................................................................................................
Detecting Causality in Complex Ecosystems复杂生态系统因果关系监测.pdf
08-11
2012年发表在Science的一篇论文，提出了收敛交叉映射算法，针对复杂生态系统进行因果推断,针对格兰杰检验进行的改进。 用一句话来概述收敛交叉映射算法，变量Y的历史数据能够由变量X可靠的推出的程度越高，那么X到Y的因果关系就越强。
Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data-----阅读阶段
MengYa_Dream的博客
08-04 5042
Real-ESRGAN: Training Real-World Blind Super-Resolution with Pure Synthetic Data Blind Super-Resolution：盲超分辨率 Pure Synthetic Data：纯合成数据 论文研读申明 摘要 在blind super-resolution领域中：现实世界中，恢复具有未知和复杂退化的低分辨率图像（restore low-resolution images with unknownand complex
论文阅读：Blind Super-Resolution Kernel Estimation using an Internal-GAN
最新发布
Matrix-11
12-24 829
这是发表在 2019 年 NIPS 上的一篇文章，那个时候还叫 NIPS，现在已经改名为 NeurIPS 了。文章中的其中一个作者 Michal Irani 是以色 Weizmann Institute of Science (魏茨曼科学研究学院) 的一名教授，对图像纹理的内在统计规律有着很深入的研究，提出了很多基于单帧图像的 GAN 模型。这篇文章也是提出了基于单张图像的一种 Internal-GAN 模型，也算是最早开始尝试研究用深度学习进行盲超分的工作，今天看来，依然有一定的借鉴意义。
论文阅读——Blind Super-Resolution Kernel Estimation using an Internal-GAN
争取每天记录一点点~
10-17 1285
超分
[文献阅读]Detecting Spacecraft Anomalies Using LSTMs and Nonparametric Dynamic Thresholding
RegulusF的博客
01-08 2947
使用LSTM和非参数的动态阈值检测航天器的异常，发表在2018年的KDD上。 ABSTRACT    随着航天器返回越来越多的遥测数据，需要改进异常检测系统以减轻操作工程师的监控负担并降低操作风险。当前的航天器监视吸引同仅针对一部分的异常类型，并且由于这些数据异常涉及到的规模以及复杂性，常常需要高昂的人力成本来维护和开发。    1.我们证明在标记SMAP卫星和Curiosity火星车的异常数据上，LSTM（RNN的一种）的有效性。    2.我们还提出了在SMAP异常检测系统中实验实施期间开发的一种互补的
“Single Image Super-resolution using Deformable Patches”
u010367533的专栏
09-12 1093
2014CVPR:  Single Image Super-resolution using Deformable Patches
parametric和nonparametric
06-13
Parametric 和 Nonparametric 是统计学中两个重要的概念。 Parametric 方法通常假设数据符合某种概率分布，并且使用已知的参数值对分布进行建模。例如，正态分布是一个常见的参数分布，其参数包括均值和标准差。在 Parametric 方法中，我们可以使用这些参数来进行估计、预测和推断等任务。 Nonparametric 方法不假设数据符合任何特定的概率分布，而是直接从数据本身中提取信息。例如，我们可以使用 Kernel Density Estimation (KDE) 对数据进行非参数密度估计，而不需要对数据的分布做出任何假设。 Parametric 方法通常具有更高的精度和更快的计算速度，但需要满足假设的前提条件。Nonparametric 方法则更加灵活，适用于各种不同类型的数据，但可能在某些情况下需要更多的计算资源，并且通常对数据的分布进行更少的解释。
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