本篇是对图像质量相关论文的总结。包含去噪、去模糊、去雾、去马赛克、图像 inpainting 和 outpainting、图像恢复、图像着色。
共计 11 篇。如有遗漏,欢迎补充。
下载包含这些论文的 WACV 2021 所有论文:
图像、视频去噪
[1].Self-Supervised training for blind multi-frame video denoising
解决盲视频去噪问题
作者 | Valéry Dewil, Jérémy Anger, Axel Davy, Thibaud Ehret, Pablo Arias, Gabriele Facciolo
单位 | 巴黎-萨克雷大学
论文 | https://arxiv.org/abs/2004.06957
代码 | https://github.com/cmla/mf2f
[2].Self-Supervised Poisson-Gaussian Denoising
作者 | Wesley Khademi, Sonia Rao, Clare Minnerath, Guy Hagen, Jonathan Ventura
单位 | 加利福尼亚理工州立大学;乔治亚大学;Providence College;科罗拉多大学
论文 | https://arxiv.org/abs/2002.09558
去雾
[3].Domain-Aware Unsupervised Hyperspectral Reconstruction for Aerial Image Dehazing
本次研究主要解决航空图像雾霾问题。
作者提出 SkyGAN,由域感知 hazy-to-hyperspectral(H2H)模块、基于条件GAN(cGAN)的多线索图像到图像翻译模块组成共同除雾。
其中 H2H 模块以无监督的方式从 RGB 图像中重建多个 visual bands,克服了高光谱航空图像数据集薄雾朦胧的不足。利用任务监督和域适应,为图像去雾创建一个"hyperspectral catalyst"。
I2I模块使用 "hyperspectral catalyst" 和 12-channel 多线输入,通过利用整个视觉光谱进行有效的图像去雾。
另外,作者还引入一个数据集:Hazy Aerial-Image (HAI) ,包含 65000 多对具有真实的、非均匀的不同密度的朦胧和 ground truth 航空图像。在 SateHaze1k 数据集和 HAI 数据集上对 SkyGAN 的性能进行了评估。
作者 | Aditya Mehta, Harsh Sinha, Murari Mandal, Pratik Narang
单位 | BITS Pilani