阅读论文《Attention-guided Network for Ghost-free High Dynamic Range Imaging》

最新推荐文章于 2024-05-11 15:15:34 发布
原创 最新推荐文章于 2024-05-11 15:15:34 发布 · 2.9k 阅读 · 8 ·
CC 4.0 BY-SA版权
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。

本文探讨了使用多曝光图像合成HDR图片的技术，重点介绍了如何利用Attention机制解决大型运动和饱和度问题，通过特定网络结构有效提升图像质量。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

其实Attention就是一个map……整体思路就是用多张不同曝光度的图像来合成HDR图片，合成思路和ECCV 2018的《Deep High Dynamic Range Imaging with Large Foreground Motions》巨像然后加个Attention……啊呀……
其实从SR中找思路也是个不错的选择。
效果图如下：
在这里插入图片描述
之前的问题是无法解决large motion和saturation这两个问题，通过目前的网络解决了。
具体网络结构如下：
在这里插入图片描述
Attention Map
目的是减少misaligned产生的artifact，网络结构如下。
在这里插入图片描述
Dilated Residual Dense Block
增大感受野，加深网络
在这里插入图片描述
作者之后用光流法对其输入图像后输入网络，结果效果有好有坏
emmm

【HDR】AHDRNet: Attention-guided Network for Ghost-free High Dynamic Range Imaging
专注人工智能，主攻CV
11-19 2304
目前，高动态范围成像算法面临的主要挑战是：用于合成HDR图像的多帧LDR图像之间存在物体位移，大幅度运动的对齐比较困难，从而导致合成后的HDR中存在伪影。
[论文笔记] (CVPR2019) Attention-guided Unified Network for Panoptic Segmentation
Holeung blog
08-04 1590
[论文笔记] (CVPR2019) Attention-guided Unified Network for Panoptic Segmentation
论文解读：AHDR&ADNet
qq_40962125的博客
09-28 1759
第二个要说的模块就是drdb模块了，drdb模块是改进原来的drb模块，drb模块是ieee上一篇超分辨的论文：（RDN）Residual Dense Network for Image Super-Resolution。这个模块和刚才AHDR的注意力模块非常相似，模块应该是一样的，只是输出之后有些不同，AHDR是中间ref参考图直接输出到cat前，而ADNet是和上下高低暴光图分别进行cat。本篇文章的最大创新点在于提出了一个新的引导网络，并且结合了自己提出的drdb模块。
【HDR算法学习】HDR-Transformer——Ghost-free High Dynamic Range Imaging with Context-aware Transformer
qq_50001789的博客
08-09 1825
在本文中，作者提出了一种双分支上下文感知Transformer，通过加入局部特征提取器（即引入卷积操作）来克服传统ViT在局部建模上的不足，扩展了标准的ViT模块，可以实现全局和局部上下文的同时建模。此外，基于所设计的CA-ViT模块，作者提出了用于HDR成像的HDR-Transformer网络，通过结合Transformer和CNN的优点，来有效地缓解HDR成像过程中容易产生重影的问题。
论文阅读——AG-Net：Attention Guided Network for Retinal Image Segmentation
qq_37151108的博客
11-23 4875
Attention Guided Network for Retinal Image Segmentation AG-Net:注意力引导网络用于视网膜图像分割 
from MICCAI2019 Abstract 学习图像的结构信息对视网膜图像分割至关重要。近期，深度神经网络在提取特征方面展现了超凡的能力，但是卷积和池化操作也滤掉了有用的结构信息。为此本文提出了注意力引导网络（AG-Net）来保留结构信息同时引导扩张操作。
在AG-Net中，使用对结构敏感的扩张路径，从而在扩张的时候保留从前层特征图谱中的结构
High Dynamic Range Imaging
jokingli的专栏
11-15 1811
original website:http://docs.opencv.org/trunk/doc/tutorials/photo/hdr_imaging/hdr_imaging.html#explanation High Dynamic Range Imaging Introduction Today most digital images and imaging devices us
Attention-guided Feature Distillation for Semantic Segmentation
weixin_43238909的博客
05-11 1015
与现有的复杂方法相比，该方法通常用于从老师那里提取知识给学生，该方法展示了一种简单而强大的方法，可以利用精细的特征映射来转移注意力。事实证明，该方法在提取丰富信息方面是有效的，在作为密集预测任务的语义分割方面优于现有方法。所提出的注意力引导特征蒸馏（AttnFD)方法采用卷积块注意模块（CBAM），该模块通过考虑通道特征信息和空间信息内容来细化特征映射。通过仅使用教师和学生的精细化特征图之间的均方误差（MSE）损失函数，AttnFD在语义分割方面表现出出色的性能。
Attention-Guided Hierarchical Structure Aggregation for Image Matting
IT_Herven的博客
06-29 587
Attention-Guided Hierarchical Structure Aggregation for Image Matting Abstract 现有的基于深度学习的抠图算法主要依靠高级语义特征来改善alpha mattes的整体结构，作者认为应该将高级语义信息与低级外观线索相协调，以细化前景细节 提出一种端到端的分层注意力抠图网络(HAttMatting)，它可以在没有额外输入的情况下从单个RGB图像中预测更好的alpha mattes结构 具体来说，作者利用空间和通道方向的注意力，以一种新
Attention-guided Context Feature Pyramid Network for Object Detection
qq_52302919的博客
03-03 2470
在目标检测中，如何解决高分辨率输入条件下特征图分辨率与感受野之间的矛盾仍然是一个有待解决的问题。为了解决这一问题，作者提出了注意引导的上下文特征金字塔网络(AC- FPN)，该网络通过整合注意引导的多路径特征来利用来自不同感受野的判别信息。该模型包含两个模块。
Unsupervised-Attention-guided-Image-to-Image-Translation-master.zip
12-15
Current unsupervised image-to-image translation techniques struggle to focus their attention on individual objects without altering the background or the way multiple objects interact within a scene. Motivated by the important role of attention in human perception, we tackle this limitation by introducing unsupervised attention mechanisms which are jointly adversarially trained with the generators and discriminators. We empirically demonstrate that our approach is able to attend to relevant regions in the image without requiring any additional supervision, and that by doing so it achieves more realistic mappings compared to recent approaches.
AttentionWalk：“观察您的步骤：通过图注意力学习节点嵌入”的PyTorch实施（NeurIPS 2018）
02-06
注意步行 ⠀ PyTorch实现的“观察您的步骤：通过图注意学习节点嵌入”（NIPS 2018） 。 抽象 图嵌入方法表示连续向量空间中的节点，从而保留了图中不同类型的关系信息。 这些方法有许多超参数（例如，随机游走的长度），必须为每个图形手动调整。 在本文中，我们将先前固定的超参数替换为可训练的超参数，这些参数会通过反向传播自动学习。 特别是，我们针对转移矩阵的幂级数提出了一种新颖的注意力模型，该模型可指导随机游走优化上游目标。 与以前的注意力模型方法不同，我们提出的方法仅在数据本身（例如，随机游走）上利用注意力参数，而模型并未将其用于推理。 我们尝试进行链接预测任务，因为我们的目标是产
论文Attention-guided CNN for image denoising解读
yilia学习小园
04-28 1579
文章目录1. 论文简介2. 模型结构分析1) 网络架构2) 损失函数3) Sparse block(SB)模块分析3) Feature enhancement block(FEB)模块分析3) Attention block(AB)模块分析3) Reconstruction block(RB)模块分析3. 实验 1. 论文简介 该论文介绍了一个注意力引导的降噪卷积神经网络（ADNet）。该网络主要包括4个模块，分别是稀疏模块（sparse block，SB），特征提升模块（feature enhancem
代码实现——注意力引导的CNN图像去噪（Attention-guided CNN for image denoising）
sf_qw39的博客
03-28 5668
今天给大家带来一篇注意力引导的CNN图像去噪文章《Attention-guided CNN for image denoising》。我用tensorflow的实现版本可以在我的github上找到。传送门：https://github.com/sun126/ADNet。 整体的网络结构如下图： 主要分为四个部分：SBNet，FEBNet，ABNet，RBNet。 SBNet：是由CBR（...
论文阅读《Attention-guided Unified Network for Panoptic Segmentation》CVPR 2019
Learning-Deep
02-27 6134
这篇文章发表于CVPR 2019会议上，中国科学院自动化研究所所做关于全景分割问题。本文提出了一个叫做 Attention-guided Unified Network ( AUNet ) 的结构去解决全景分割问题，该方法在MS-COCO数据集上取得了目前最好的结果。 全景分割（Panoptic Segmentation）是一个比较新的分割概念，是指的对目标区域做实例分割（Instance Seg...
python 机器视觉测量,《opencv3机器视觉Python语言实现》学习笔记之canny 边缘检测...
weixin_33725576的博客
03-25 370
《opencv3机器视觉Python语言实现》学习笔记之canny 边缘检测《opencv3机器视觉Python语言实现》学习笔记之canny 边缘检测源《opencv3机器视觉Python语言实现》，仅用作个人复习canny 边缘检测部分代码：# canny 边缘检测'''1、使用高斯滤波器，平滑图像，除燥2、计算像素点的梯度强度和方向3、应用非极大值抑制，消除边缘检测带来的杂散响应4、应用双阈...
《Self-Guided Network for Fast Image Denoising》阅读笔记
qq_39160466的博客
11-21 2260
论文题目：Self-Guided Network for Fast Image Denoising 发表时间：ICCV 2019 作者及其背景：Shuhang Gu1, Yawei Li1, Luc Van Gool1,2, Radu Timofte1 (1Computer Vision Lab, ETH Zurich, Switzerland, 2KU Leuven, Belgium ) Con...
论文阅读笔记---Deep High Dynamic Range Imaging of Dynamic Scanes
qq_25283239的博客
01-06 2593
Kalantari N K , Ramamoorthi R . Deep high dynamic range imaging of dynamic scenes[J]. ACM Transactions on Graphics, 2017, 36(4):1-12. 论文+数据+代码:http://cseweb.ucsd.edu/~viscomp/projects/SIG17HDR/ ...
【CVPR2019】论文完整列表一
热门推荐
TomRen
06-11 1万+
CVPR 2019 Paper list[1-1000] CVPR2019 完整列表二 论文题目与链接 Finding Task-Relevant Features for Few-Shot Learning by Category Traversal Edge-Labeling Graph Neural Network for Few-Shot Learning G...
论文阅读笔记--Joint High Dynamic Range Imaging and Super-Resolution from a Single Image
qq_25283239的博客
12-23 1079
文章地址:Joint High Dynamic Range Imaging and Super-Resolution from a Single Image Soh J W , Park J S , Cho N I . Joint High Dynamic Range Imaging and Super-Resolution from a Single Image[J]. 2019. 摘...
Dense attention-guided cascaded network for salient object detection of strip steel surface defects
最新发布
03-22
接下来，我需要查找是否有论文直接提到“Dense Attention-Guided Cascaded Network”在带钢缺陷检测中的应用。根据我的知识库，可能没有完全匹配的标题，但可能有类似的方法。例如，有些论文可能使用密集连接和注意...
评论 1
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