![d528968e9ce6291ee7fbe21ce723d176.png](https://i-blog.csdnimg.cn/blog_migrate/a93b7d452f3dfcfa3e0c7aa95915802f.jpeg)
在图像去噪、超分辨率和图像增强任务上表现SOTA!性能优于LP-KPN等网络,代码现已开源!
Learning Enriched Features for Real Image Restoration and Enhancement
![855cf07b8c1aa6da34b98698a4c2bf36.png](https://i-blog.csdnimg.cn/blog_migrate/86094c1c4f58d2d199cf2f44b43910ff.jpeg)
作者单位:IIAI, 加州大学默塞德分校, 谷歌
代码:swz30/MIRNet
论文: https:// arxiv.org/abs/2003.0679 2
以从degraded版本中恢复高质量图像内容为目标,图像修复在监控,计算摄影,医学成像和遥感等领域拥有众多应用。最近,卷积神经网络(CNN)与传统的图像恢复方法相比取得了显著进步。现有的基于CNN的方法通常以全分辨率或渐进式低分辨率表示形式运行。在前一种情况下,获得了空间精确但上下文上不那么鲁棒的结果,而在后一种情况下,生成了语义上可靠但空间上不太准确的输出。
在本文中,我们提出了一种新颖的体系