Natural and Realistic Single Image Super-Resolution with Explicit Natural Manifold Discrimination

最新推荐文章于 2023-08-11 15:40:19 发布
最新推荐文章于 2023-08-11 15:40:19 发布
阅读量500 收藏 1
点赞数
分类专栏： 深度学习 图像超分 python 文章标签： 机器学习 神经网络 深度学习 pytorch
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.youkuaiyun.com/qq_39056596/article/details/104274234
版权

Motivation： 对于单图像超分辨率利用客观的损失函数无法重建出真实的精细纹理和细节，而这些对于感知质量至关重要。通过生成增强纹理来正强感知质量，会生成虚假细节，通常使得图像看起来不自然。

整体思路： 提出了一种新的方法来重建具有高感知质量的真实的超分辨图像，同时保持结果的自然性。研究了SISR问题的域先验性质，在低阶域定义了自然先验，并在自然流形中约束了输出图像，最终生成更自然、更真实的图像。

Github地址：https://github.com/JWSoh/NatSR

Natural and Realistic Single Image Super-Resolution with Explicit Natural Manifold Discrimination笔记
weixin_43840215的博客
07-04 1641
文章发表于CVPR 2019 论文及源码：https://github.com/JWSoh/NatSR 许多使用CNN网络的SISR模型使用失真导向（distortion-oriented）的损失函数，这类模型很难恢复真实图像纹理内容和细节，看起来较模糊，没有较好的视觉效果。恢复真实纹理和细节在图像超分辨领域仍然是一项挑战，目前有一些关于这方面的工作，如SRGAN，EnhancedNet，SFT-...
【超分辨率】Photo-Realistic Single Image Super-Resolution Using a Generative Adversarial Network
Shwan_ma的博客
08-05 3558
之前我一直在做基于CNN的超分辨率研究。最近因为工作需要，需要研究基于生成对抗网络GAN的网络来做超分辨率任务。 在这段时间以来，我发现CNN和GAN两类网络的侧重点其实完全不同。CNN旨在于忠实的恢复图像的高频信息，而GAN在于生成更真实或者说更符合人眼的高分辨率图片。 本文论文名：《Photo-Realistic Single Image Super-Resolution Using a ...
NatSR(CVPR2019)Explicit Natural Manifold Discrimination
weixin_49497024的博客
10-11 589
NatSR: Natural and Realistic Single Image Super-Resolution with Explicit Natural Manifold Discrimination 论文及其源码地址：https://github.com/JWSoh/NatSR 论文亮点 对于单图像超分辨率利用客观的损失函数无法重建出真实的精细纹理和细节，而这些对于感知质量至关重要。通过生成增强纹理来正强感知质量，会生成虚假细节，通常使得图像看起来不自然。 所以提出Natural Manifold
基于生成对抗性网络的单图像超分辨率技术综述
最新发布
nsjdjdn的博客
08-11 1911
GAN网络超分辨率
Practice Realistic Human Skin Rendering In RenderMan Production Pipeline
weixin_34125592的博客
01-07 191
虽然说目前已经有高级的基于光谱与多层材质的皮肤SSS解决方案，包括《A Spectral BSSRDF for Shading Human Skin》与最新的《A Layered, Heterogeneous Reflectance Model for Acquiring and Rendering Human Skin》，效果出色，但是相对于实际CG应用而言，能够让艺术家快速准确的实现他们头脑中...
【CVPR2019】论文完整列表一
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...
CVPR 2021最全论文开放下载！附pdf下载链接！
热门推荐
中科院AI算法工程师的博客
06-18 1万+
CVPR 2021最全论文开放，附所有pdf下载链接！
CVPR 2019 论文大盘点-超分辨率篇
OpenCV中文网
10-22 1020
今天盘点了 CVPR 2019 所有超分辨率相关论文，总计16篇，其中多篇论文已经吸引了大量关注，比如旷视的Meta-SR、能够应对模糊降质的DPSR、Adobe的纹理迁移SR、国防科大...
（九：2020.08.27）CVPR 2019 追踪之论文纲要（译）
Jojo论文基地
08-28 9230
CVPR 2019 追踪之论文纲要（修正于2020.08.28）讲在前面论文目录 讲在前面 论坛很多博客都对论文做了总结和分类，但就医学领域而言，对这些论文的筛选信息显然需要更加精细的把控，所以自己对这900篇的论文做一个大致从名称上的筛选，希望能找到些能解决当前问题的答案。 论文链接建议直接Google论文名，比去各种论文或顶会网站找不知道快捷多少。 下面皆为机器翻译，我会慢慢修正，但现在请结合。有兴趣的可以问我要处理这些论文并自动翻译的脚本。 Respect！ 论文目录 论文 概要
Survey on Single-Image-Super-Resolution
zhangjf26的博客
08-23 3115
Single-Image-Super-Resolution A list of resources for example-based single image super-resolution, inspired by Awesome-deep-vision and Awesome Computer Vision . Example-based methods Early learning...
CVPR2019中关于超分辨率算法的16篇论文
木盏
11-08 1万+
CVPR2019中标题带超分辨率的全部16篇文章：（先看粗略统计） 1. 从一作的名字来看，16篇中只有2篇不是中文名一作，中文名一作占比87.5%；可见，在这一领域，我国有着绝对优势！ 2.超分辨率领域的文章一共有16篇，CVPR2019共收录1300篇文章，占比1.23%；在CVPR2018中，共收录979篇，而超分辨率论文有14篇，占比1.43%；可见，每年对超分辨率方向的文章收录控制在...
[2] [Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform]学习笔记
halchan的博客
07-05 1167
[2] [Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform]学习笔记 版权归属： https://blog.youkuaiyun.com/halchan chanhal@outlook.com 更多关注： https://github.com/chanhal https://w...
RDN论文阅读笔记
weixin_43840215的博客
06-26 1549
“Residual Dense Network for Image Super-Resolution”发表于CVPR 2018 论文： https://arxiv.org/abs/1802.08797 代码： https://github.com/yulunzhang/RDN https://github.com/lizhengwei1992/ResidualDenseNetwork-Pytorc...
Discrimination-aware Channel Pruning for Deep Neural Networks：基于鉴别力感知的深度神经网络剪枝
langzi453的博客
02-28 1201
相比于笔者之前讲的几种剪枝方法，这篇文章的剪枝方法比较复杂。文章首先提出了一种假设： informative channel, no matter where it is, should own discrimination power, otherwise it should be delete 然后，文章提出了一种基于感知力的剪枝框架和算法： 该框架的主要点包括两种loss： 重构l...
论文阅读笔记之——《Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform》
gwpscut的博客
12-02 7708
本博文是文章《Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform》也就是SFTGAN的学习笔记。附上论文的连接（https://arxiv.org/pdf/1804.02815.pdf）本博文属于本人阅读该论文时写下的阅读笔记，思路按本人阅读的跳跃式思路，仅供本人理解用。 ...
[论文总结] SR(超分辨问题总结)思维导图
qq_40079310的博客
08-11 1180
因为最近接触超分辨问题比较多，为了便于分析，就做了个思维导图，总结一下最近接触到的8篇超分辨文章。 话不多说直接上图 顺便附上俩篇超分辨的笔记连接 [论文笔记] Enhanced Deep Residual Networks for Single Image Super-Resolution [论文笔记] Deep Back-Projection Networks For Super-Resol...
Recovering Realistic Texture in Image Super-resolution by Deep Spatial Feature Transform
weixin_38203533的博客
08-09 1674
Abstract 恢复自然和逼真的纹理仍然是一个具有挑战性的问题,可以忠实与语义类恢复图片纹理。 我们仅需在基于语义分割概率图的单个网络中调制几个中间层的特征。这可以通过新颖的空间特征变换（SFT）层来实现，该层生成用于空间特征调制的仿射变换参数。 SFT层可以与具有相同损耗功能的SR网络一起端到端地进行训练。在测试期间，它接受任意大小的输入图像，并生成高分辨率图像，只有一个前向通道以分类先...
Second-order Attention Network for Single Image Super-Resolution（CVPR2019）
qq_39056596的博客
02-12 5202
Motivation：现有的基于深度卷积神经网络的方法主要专注于设计更深或者更宽的网络结构，却很少挖掘层间特征的相关性，从而降低了卷积神经网络的学习能力. 整体思路：提出了一个二阶注意力网络(SAN)来实现更强大的特征表达和特征相关学习。提出了一种新的可训练的二阶通道注意力(SOCA)模块，进行相关性学习。提出了一种非局部增强的残差组(NLRG)结构，捕获远距离空间上下文信息。 Github地...
python 读取H5PY文件并保存为图像
qq_39056596的博客
12-31 4857
import h5py import numpy as np hr_dataset = h5py.File('fuzzy.h5')['data']//此文件下的data数据 label = h5py.File('fuzzy.h5')['lable']//此文件下的lable数据 lenght=len(hr_dataset)//获取数据的长度 for i in range(len(hr_datas...
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