超分辨
文章平均质量分 84
wsjxiao
这个作者很懒,什么都没留下…
展开
-
BAM网络
摘要:从混叠区域恢复纹理信息一直是单图像超分辨率(SISR)任务的主要挑战。这些区域通常淹没在噪波中,因此我们必须在抑制噪波的同时恢复纹理细节。为了解决这个问题,我们提出了一种平衡注意机制(BAM),它由Avgpool通道注意模块(ACAM)和Maxpool空间注意模块(MSAM)并行组成。ACAM旨在抑制大规模特征地图中的极端噪声,而MSAM保留高频纹理细节。由于采用了并行结构,这两个模块不仅可以进行自我优化,还可以相互优化,以在反向传播过程中获得降噪和高频纹理恢复的平衡,并行结构使推理速度更快。为了验原创 2022-10-14 21:58:30 · 1213 阅读 · 0 评论 -
【无标题】
除了列出的数据集之外,在其他计算机视觉任务中广泛使用的一些数据集也用作SISR的补充训练数据集,例如ImageNet[31]和CelebA[32]。其中,BI是模拟LR图像最广泛使用的降级模式,本质上是一种双三次下采样操作。峰值信噪比(PSNR)与MSE高度相关,用MSE损失训练的模型预计具有较高的PSNR分数,虽然较高的PSNR通常表明构造质量较高,但它只考虑了每像素MSE,这使得它无法捕获感知差异。数据对于数据驱动模型,尤其是基于DL的SISR模型,始终是至关重要的,以实现有希望的重建性能(图3)。原创 2022-10-10 17:10:38 · 1382 阅读 · 0 评论 -
超分辨DRLN
超分辨率卷积神经网络最近证明了对单个图像的高质量恢复。然而,现有算法通常需要很深的体系结构和很长的训练时间。此外,目前用于超分辨率的卷积神经网络无法在多个尺度上利用特征并对其进行同等加权,从而限制了其学习能力。原创 2022-10-05 15:03:27 · 540 阅读 · 0 评论 -
Designing a Practical Degradation Model for Deep BlindImage Super-Resolution
设计一种实用的深盲图像超分辨率退化模型翻译 2022-09-21 17:04:30 · 1393 阅读 · 0 评论 -
盲超分辨率的无监督退化表示学习
计算机视觉盲超分辨翻译 2022-09-20 20:48:30 · 1000 阅读 · 0 评论