图像超分辨率重建论文精读
文章平均质量分 91
阅读在超分辨率重建领域有代表性的论文,并总结成笔记,方便各位朋友快速了解论文内容和行业现状
Sunny_Coder
这个作者很懒,什么都没留下…
展开
-
【图像超分辨率重建】——GRL论文精读笔记
【图像超分辨率重建】——GRL论文精读笔记原创 2023-03-22 16:40:30 · 2354 阅读 · 2 评论 -
【图像超分辨率重建】——HAT论文精读笔记
【图像超分辨率重建】——HAT论文精读笔记原创 2022-12-28 17:30:48 · 6540 阅读 · 0 评论 -
【图像超分辨率重建】——SwinIR论文精读笔记
【图像超分辨率重建】——SwinIR论文精读笔记原创 2022-12-29 11:53:56 · 2836 阅读 · 2 评论 -
【图像超分辨率重建】——HAN论文精读笔记
图像超分辨率重建——HAN原创 2022-12-16 16:38:19 · 1458 阅读 · 0 评论 -
【图像超分辨率重建】——SAN论文精读笔记
近年来,深度卷积神经网络(CNN)在单图像超分辨率(SISR)中得到了广泛的研究,并取得了显著的性能。然而,大多数现有的基于CNN的SISR方法主要侧重于更广泛或更深入的架构设计,而忽略了中间层的特征相关性,因此阻碍了CNN的代表能力。为了解决这个问题,在本文中,我们**提出了一种二阶注意力网络(SAN),用于更强大的特征表达和特征相关性学习。具体而言,开发了一种新的可训练二阶信道注意(SOCA)模块,通过使用二阶特征统计来自适应地重新调整信道方向特征,以获得更具鉴别性的表示。此外,我们提出了一种非局部增强原创 2022-12-27 16:52:36 · 1932 阅读 · 0 评论 -
【图像超分辨率重建】——RCAN论文精读笔记
【图像超分辨率重建】——RCAN论文精读笔记原创 2022-10-30 16:19:27 · 1475 阅读 · 0 评论 -
【图像超分辨率重建】——EDSR论文精读笔记
图像超分辨率重建EDSR模型论文精读原创 2022-09-30 09:26:11 · 3926 阅读 · 0 评论 -
【图像超分辨率重建】——EnhanceNet论文精读笔记
【图像超分辨率重建】——EnhanceNet论文精读笔记原创 2022-10-31 16:07:12 · 1518 阅读 · 0 评论 -
【图像超分辨率重建】——SRGAN/SRResNet论文精读笔记
SR的不是适定性导致SR图像缺乏纹理细节,有监督的SR算法的优化目标通常是最小化恢复的HR图像和地面真实之间的平均平方误差(MSE)。这很方便,因为最小化MSE也能使峰值信噪比(PSNR)最大化,而峰值信噪比是用来评估和比较SR算法的一个常用指标。然而,MSE(和PSNR)捕捉感知上相关差异的能力是非常有限的,比如高纹理细节,因为它们是基于像素级的图像差异来定义的。最高的PSNR并不一定反映出感知上更好的SR结果。原创 2022-11-10 09:36:26 · 4093 阅读 · 0 评论 -
【图像超分辨率重建】——“SISR 中的Edge-Based 损失函数”论文精读
【图像超分辨率重建】——“SISR 中的Edge-Based 损失函数”论文精度原创 2022-11-03 10:53:05 · 3149 阅读 · 4 评论 -
【论文精读】——使用卷积神经网络进行纹理合成(Texture Synthesis Using Convolutional Neural Networks)
视觉纹理合成的目标是从一个实例纹理中推断出一个生成过程,然后可以产生任意多的该纹理的新样本。对合成纹理质量的评价标准通常是人的检查,如果人的观察者不能从合成的纹理中分辨出原始纹理,那么纹理的合成就成功了。通过对原始纹理的像素或整个斑块进行重采样来生成新的纹理。它们并没有为自然纹理定义一个实际的模型,而是给出了一个机械化的程序,说明如何在不改变其感知特性的情况下随机化一个源纹理。明确地定义一个参数化的纹理模型。该模型通常由一组在图像的空间范围内进行的统计测量组成。目前最好的模型。原创 2022-11-05 15:31:35 · 766 阅读 · 0 评论 -
基于深度学习的图像超分辨率——综述
基于深度学习的图像超分辨率重建原创 2022-04-23 19:52:16 · 19703 阅读 · 2 评论