ios图片放大之后如何不模糊_论文笔记：2018 SRMD 在超分辨网络中融入模糊核和噪声水平...

最新推荐文章于 2021-08-04 10:33:25 发布
最新推荐文章于 2021-08-04 10:33:25 发布
阅读量246 收藏 1
点赞数
文章标签： ios图片放大之后如何不模糊
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/weixin_35356909/article/details/112148521
版权

82cc8769a65176adfafafda5d772985d.png

Learning a Single Convolutional Super-Resolution Network for Multiple Degradations（2018 CVPR）

摘要：在现实中真实的下采样过程不完全遵循双三次下采样的过程，因此当现实降质过程不符合我们在训练超分辨网络的降质过程就会显著降低网络的重构表现。该文章的作者设计了一个具有维度拉伸策略的通用CNN框架，该框架可以将模糊内核和噪声级别作为网络的输入。使得网络在不同的退化过程中取得良好的效果，文章还指出双三次退化忽略了在场景的实用性。

内容：单帧超分辨网络意在通过网络学习低分辨率图像和高分辨率图像之间的映射关系，传统的退化过程如下：

952ac7928c4b2fd050b28772c799a8f4.png

其中k代表模糊核，而s代表网络的下采样倍数，n代表降质过程中添加的高斯白噪声。论文指出他们主要有如下三个贡献：

模糊核：区别于降噪需要选用很多复杂的模糊核（如运动模糊核），SRMD超分辨网络通常是选用各向同性的有标准

最低0.47元/天 解锁文章
浮华空梦
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
移动AI系列-实时超分的探索与实践
百度APP技术
09-10 1406
原创 zhangming 百度App技术 一、背景 随着移动设备的普及，基于移动端的内容生产和消费变得越来越容易。百度App作为内容分发平台，承载着大量来自PGC和UGC贡献的图文和视频内容。在2K手机屏幕分辨率已是主流的当下，人们对观看高清晰度的资源的诉求也变得理所当然。图片和视频的采集、传输和存储受限于各种因素，难免会有一些清晰度和分辨率相对较差的资源存在，这就势必会影响到用户的观看体验。百度App联合百度视觉技术部团队，通过基于深度学习的实时超分辨率重建技术来提升端图片和视频显示效果。 二、如何提升分
CVPR2019 | 步步为营！通过迭代式模糊核预测提高超分辨质量
AI 研习社的博客
07-01 2949
基于迭代模糊核修正的盲超分辨方法 本文解读一篇由港中文(深圳)与哈工大合作发表在CVPR2019的超分辨方向的论文，该工作与几篇近年的文章密切相关，相关部分我已在文中做了必要的说明和解释，更多细节可点击此处深入了解。 1.研究动机 超分辨研究旨在用低分辨图片恢复其对应的高分辨图片，它的反过程是图像从高分辨到低分辨的降级或者说退化，这一过程一般被抽象为： 其中LR代表低分辨图像，...
srmd-ncnn-vulkan:通过ncnn库实现SRMD超分辨率
04-14
SRMD ncnn Vulkan ncnn实现SRMD超分辨率。 srmd-ncnn-vulkan使用作为通用神经网络推理框架。 下载适用于Intel / AMD / Nvidia GPU的Windows / Linux / MacOS可执行文件 该软件包包括所需的所有二进制文件和模型。 它是可移植的，因此不需要CUDA或Caffe运行时环境:) 用法 示例命令 srmd-ncnn-vulkan.exe -i input.jpg -o output.png -n 3 -s 2 完整用法 Usage: srmd-ncnn-vulkan -i infile -o outfile [options]... -h show this help -v verbose output -i input-path
CVPR 2019 | 神奇的超分辨率算法DPSR：应对图像模糊降质 附代码
爱CV
05-13 1566
在我们的印象中，往往超分辨率后的图像会看起来轻微模糊，但该算法能够将模糊的低分辨率图像放大，而且更清晰。 DPSR算法来自论文《Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels》： 作者分别来自哈工大、香港理工大学、深圳鹏城实验室、阿里达摩院。 从论文标题看，它可以应对任意模糊核的图像模糊降质。 以往，超分辨率研究中，往往使用双三次插值作为低分辨率图像获取的方式，但现实世界低分辨率图像不仅有...
Deep Blind Video Super-resolution
造未来
11-26 1457
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.
CVPR2018-SRMD-Kai Zhang
weixin_30568715的博客
09-16 602
https://github.com/cszn/SRMD https://github.com/2wins/SRMD-pytorch 创新点： 1. 设计了一个非盲单一 CNN 网络SRMD，针对多个退化模型， 模型的输入除了LR图，还有 degration map(blur kernel, noise level) 2. 提出了维度伸展策略，使LR图像、blur kernel、nois...
SRMD：学习用于多个降级的单个卷积超分辨率网络（CVPR，2018）（Matlab）
02-04
《SRMD：面向多类退化单卷积超分辨率网络》是CVPR 2018年发表的一篇研究论文，其主要关注的是图像超分辨率技术。在这个领域，SRMD（Single Convolutional Super-Resolution Network for Multiple Degradations）提出...
SRMD-Pytorch:SRMD training, testing, model checking, model converting derived from csznKAIR (SRMD超分辨率模型pytorch)
05-31
SRMD Pytorch(English version is down below)(建议在环境下操作)本仓库改编于原作者项目相关论文：CVPR 2018 模型结构：SRMD已经训练的模型保存在model_zoo中。(模型来源于原作者 ...
开源图片放大工具.zip
最新发布
09-06
开源图片放大工具便携版 - 可提高图像分辨率与质量 能够将图片提升分辨率到任意尺寸，增强图像的分辨率和质量，使图像更清晰，内置 RealCUGAN、RealESRGAN、Waifu2x 和 SRMD 等多个模型
借助深度卷积神经网络对图片 & GIF & 视频进行超分辨率放大(即放大与降噪) 以及 对视频进行 插帧(即补帧).
02-26
内置超分辨率算法: Waifu2x / SRMD / RealSR / Real-ESRGAN/ Real-CUGAN / Anime4K / ACNet 内置超分辨率引擎: Waifu2x-caffe / Waifu2x-converter / Waifu2x-ncnn-vulkan SRMD-ncnn-vulkan / RealSR-ncnn-vulkan /...
SRMD-CVPR2018
03-18
参加NTIRE2018挑战赛，发表在CVPR2018上的论文
ncnn-examples-demo（深度学习框架必备，有详细注释）
03-13
ncnn-examples-demo（深度学习框架必备，有详细注释），里面的库路径需要自己更改，用到opencv,vs2015以上版本
适用于任意模糊内核的深度即插即用超分辨率（DPSR论文笔记-2019CVPR）
sinat_40097871的博客
10-22 4863
Deep Plug-and-Play Super-Resolution for Arbitrary Blur Kernels (适用于任意模糊内核的深度即插即用超分辨率) 源码包：https://github.com/cszn/DPSR 论文下载：https://arxiv.org/abs/1903.12529 来源：CVPR19年论文 论文背景： 现存在的方法主要是针对广泛使用的双三次退化而设计...
各向同性高斯滤波
baiyi_canggou的博客
04-20 4435
1.各向同性高斯核函数 一般的高斯滤波模板选择5x5，方差1.0, 模板的（0,0）位置在模板中心。 模板与图像卷积进行图形滤波、平滑。 计算高斯模板的代码如下 import math import numpy as np def test(dirt,x,y): result=1/(2*math.pi*math.pow(dirt,2))*math.exp(-(math.p
高斯模糊浅析
weixin_34187822的博客
08-22 525
所谓高斯模糊，就是指一个图像与二维高斯分布的概率密度函数做卷积。它的效果如下： 是不是有点像变成了近视眼的感觉？没错，高斯模糊常常用来模拟人眼中的物体变远、变快的效果。在照片处理中，我们常常将背景施以高斯模糊，使得背景仿佛变远了，从而突出前景的人物或物体。一些所谓“先拍照，后对焦”的技术利用的也是高斯模糊这个效果。若想弄出视点飞快移动的效果，也可以对背景使用高斯模糊。在一些CG动...
图像去模糊（一）——理解模糊核
热门推荐
xueruhongchen的博客
10-10 4万+
视频图像在采集生成、传输、转换、接收和处理的过程中，由于各种原因不可避免地会导致不同程度的视频图像质量的下降，这一过程被称为视频图像的退化。运动视频图像去模糊（Motion De-blurring），作为视频图像复原的重要研究内容，一直以来都是学术界和工业界研究的重点和热点之一，其主要研究内容是去除由于曝光过程中成像设备和被摄目标场景之间的相对运动。本文主要讲述去模糊过程中模糊核的理解。
CVPR 2019 神奇的超分辨率算法DPSR：应对图像模糊降质（其实就是个垃圾）
Arthur_Holmes的博客
01-10 2227
https://github.com/cszn/DPSR 上两幅图像中上面为低分辨率模糊图像，下面大图来自几天前刚出来的超分辨率算法DPSR的结果。在我们的印象中，往往超分辨率后的图像会看起来轻微模糊，但该算法能够将模糊的低分辨率图像放大，而且更清晰。 作者已将代码开源： https://github.com/cszn/DPSR DPSR算法来自论文《Deep...
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）
cloud的博客
08-04 4346
文章目录Abstract(摘要)1. Introduction2. Related Work2.1. Single Image Super-Resolution2.2. Contrastive Learning（对比学习） 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） Abstract(摘要) gap 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
RAISR(Rapid and Accurate Super Image Resolution)
u011961856的专栏
08-12 1万+
RAISR(Rapid and Accurate Super Image Resolution)Rapid and Accurate Super Image Resolution为快速精确的超级图像分辨率技术,用于图像的压缩,意在将低分辨率图像转换为高分辨率图像.
class LinearMaskedCoupling(nn.Module): """ Coupling Layers """ def __init__(self, input_size, hidden_size, n_hidden, mask, cond_label_size=None): super().__init__() # stored in state_dict, but not trained & not returned by nn.parameters(); similar purpose as nn.Parameter objects # this is because tensors won't be saved in state_dict and won't be pushed to the device self.register_buffer('mask', mask) # 0,1,0,1 # scale function # for conditional version, just concat label as the input into the network (conditional way of SRMD) s_net = [nn.Linear(input_size + (cond_label_size if cond_label_size is not None else 0), hidden_size)] for _ in range(n_hidden): s_net += [nn.Tanh(), nn.Linear(hidden_size, hidden_size)] s_net += [nn.Tanh(), nn.Linear(hidden_size, input_size)] self.s_net = nn.Sequential(*s_net) # translation function, the same structure self.t_net = copy.deepcopy(self.s_net) # replace Tanh with ReLU's per MAF paper for i in range(len(self.t_net)): if not isinstance(self.t_net[i], nn.Linear): self.t_net[i] = nn.ReLU() def forward(self, x, y=None): # apply mask mx = x * self.mask # run through model log_s = self.s_net(mx if y is None else torch.cat([y, mx], dim=1)) t = self.t_net(mx if y is None else torch.cat([y, mx], dim=1)) u = mx + (1 - self.mask) * (x - t) * torch.exp( -log_s) # cf RealNVP eq 8 where u corresponds to x (here we're modeling u) log_abs_det_jacobian = (- (1 - self.mask) * log_s).sum( 1) # log det du/dx; cf RealNVP 8 and 6; note, sum over input_size done at model log_prob return u, log_abs_det_jacobian 帮我解析代码
07-13
这样做的目的是将mask保存在模型的state_dict中，但不作为需要训练的参数返回。 接下来定义了scale function和translation function。两者具有相同的结构，都是由一系列线性层和激活函数组成。其中，scale function...
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