TCSVT 2024 | 基于非对称注意力和引导选择的深度图超分辨率方法A2GSTran

最新推荐文章于 2025-12-18 21:59:24 发布
最新推荐文章于 2025-12-18 21:59:24 发布
阅读量93 收藏
点赞数
CC 4.0 BY-SA版权
分类专栏： 计算机顶会顶刊论文解读 文章标签： TCSVT 深度学习 论文解读 计算机顶刊
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_42722197/article/details/148654057

论文信息

题目： A2GSTran: Depth Map Super-Resolution via Asymmetric Attention With Guidance Selection
基于非对称注意力和引导选择的深度图超分辨率方法A2GSTran
作者：Yifan Zuo, Yaping Xu, Yifeng Zeng, Yuming Fang, Xiaoshui Huang, Jiebin Yan
源码：https://github.com/alex-cate/Depth_Map_Super-Resolution_via_Asymmetric_Attention_with_Guidance_Selection

论文创新点

  1. 提出新型骨干网络：受视觉Transformer启发，提出了基于局部注意力的高效Transfor
了解本专栏 订阅专栏 解锁全文
TCSVT 2024 | 基于注意力的层融合与标记掩码用于弱监督语义分割
小白学视觉
08-14 123
弱监督语义分割（WSSS）近年来受到了越来越多的关注，它仅利用有限的监督信息来训练分割网络。同时，Transformer利用多头注意力机制克服了卷积神经网络（CNN）感受野有限的问题。因此，大量的WSSS工作都是基于Transformer架构开展的。然而，大多数工作都忽略了过度平滑问题（即深层的块令牌趋于相似，这表明学习到的信息几乎相同），这会影响类激活图（CAM）在表示像素级语义信息时的准确性。在本文中，作者提出了一种基于注意力的层融合方案和令牌掩码方法来解决上述问题。
TCSVT 2024 | 基于Transformer的多模态图像通用融合算法TUFusion
小白学视觉
07-13 159
多模态图像融合是多模态融合领域的重要研究方向之一。该技术可利用互补的多模态图像实现图像和数据增强，在医学、工业、安防消防、自动驾驶和消费电子等领域有着广泛的应用。在这项工作中，作者提出了一种基于Transformer的通用融合（TUFusion）算法，该算法具备多领域融合能力。TUFusion算法的优势在于其混合Transformer和卷积神经网络（CNN）的编码器结构设计，以及一种新的复合注意力融合策略，使其拥有全局和局部信息整合能力。与经典的先进多模态图像融合方法相比，在多领域数据集上的实验结果表明，T
TCSVT 2024 | 基于互学习的伪监督低光图像增强
小白学视觉
07-11 109
低光照图像增强（LIE）在许多高级视觉任务中至关重要，因为曝光不足的图像可见性差，会严重降低后续图像识别、分析等任务的性能。尽管最近基于深度学习的 LIE 方法表现出了良好的性能，但大多数方法需要大量的配对训练图像，这限制了它们在实际场景中的实用性。在本文中，作者提出了一种结合互学习的伪监督 LIE 方法。具体来说，对于给定的低光照图像，作者首先使用二次曲线生成一个伪清晰图像，将其作为监督的辅助真实值。
TCSVT 2024 | 基于批归一化的弱监督视频异常检测
小白学视觉
10-08 71
在弱监督视频异常检测（WVAD）中，仅有指示异常事件是否存在的视频级标签可用，主要挑战源于异常发生的时间注释存在固有的模糊性。受异常事件的时间特征通常表现出离群特征这一统计观点的启发，作者提出了一种新颖的方法，即 BN - WVAD，该方法将批量归一化（BatchNorm）融入 WVAD 中。在提出的 BN - WVAD 中，作者利用批量归一化的特征与均值向量的偏差（DFM）作为可靠的异常判别标准，以识别异常视频中的潜在异常片段。
TCSVT 2025 | 基于Transformer的非对称双边U-Net增强显著目标检测
小白学视觉
06-22 171
现有的显著目标检测（SOD）方法主要依赖具有跳跃连接的 U 形卷积神经网络（CNNs），以分别结合对定位显著目标和细化目标细节至关重要的全局上下文信息和局部空间细节。尽管取得了巨大成功，但 CNN 在学习全局上下文信息方面的能力有限。最近，视觉变换器（Transformer）由于其强大的全局依赖建模能力，在计算机视觉领域取得了革命性进展。然而，直接将变换器应用于 SOD 并非最优选择，因为变换器缺乏学习局部空间表示的能力。为此，作者探索了变换器和 CNN 的结合，以学习用于 SOD 的全局和局部表示。
TCSVT 2025 | 深度引导的纹理扩散用于图像语义分割
小白学视觉
07-07 366
深度信息为三维结构，尤其是物体轮廓，提供了有价值的见解，可用于增强语义分割。然而，由于深度与RGB模态之间存在差异，简单融合深度信息可能会扰乱特征并降低准确性。在这项工作中，作者引入了一种深度引导的纹理扩散方法，有效地应对了上述挑战。该方法从边缘和纹理中提取低级特征，以创建纹理图像。然后，将此图像选择性地扩散到深度图上，增强对精确提取物体轮廓至关重要的结构信息。通过将增强后的深度图与原始RGB图像整合到联合特征嵌入中，该方法有效地弥合了深度与RGB模态之间的差距，实现了更准确的语义分割。
TCSVT 2024 | DBVC：一种端到端的3D深度生物医学视频编码框架
小白学视觉
06-16 84
生物医学视频需要巨大的存储空间和传输带宽，因此迫切需要高效的编码方法。现有的方法大致可分为基于运动的方法和基于小波的方法。基于运动的方法使用为自然视频设计的运动估计，并独立优化预测、变换和熵编码模块。基于小波的方法将冗余性更高的时间维度与其他空间维度完全同等对待。这两种方法都无法完全去除生物医学视频中的冗余时空信息。在本文中，为了解决这些问题，作者构建了一个名为DBVC的端到端框架，该框架包含三维运动估计、运动矢量编码、三维运动补偿和残差编码网络，用于高效的三维生物医学视频编码。
TCSVT 2024 | DRNet：用于少样本语义分割的解缠与重组网络
小白学视觉
05-26 148
少样本语义分割（FSS）旨在仅用少量带注释的样本对新类别进行分割。现有的FSS方法通常将带注释的掩码和相应的支撑图像相结合，以生成特定类别的表示，并通过将查询图像的特征与这些表示进行匹配，对查询图像进行分割。然而，由于缺乏有效的方法来处理查询特征的不当使用，以及忽视支撑图像和查询图像中特征之间的相关性，分割性能可能较为脆弱。在这项工作中，作者提出了一种新颖的解缠与重组网络（DRNet）来缓解这一问题。具体而言，作者首先对支撑前景特征和查询前景特征应用自注意力机制。
TCSVT 2025 | 具有低频干扰的退化图像全包含式增强方法
小白学视觉
04-11 200
本文提出了一种名为全包含图像增强（AIIE）的新型图像增强方法，该方法能够有效增强退化图像，提高图像内容的可见性。这些图像是在诸如雾霾、低光照、水下和沙尘暴等各种天气条件下获取的。这类噪声的一个共同特点是，它们对视觉质量或可见性造成的退化是由低频干扰引起的。现有的图像增强方法缺乏处理这类所有类型退化的能力，而作者提出的AIIE为它们提供了统一的处理方式。
【文献阅读】DP-Site：一种基于双重深度学习的蛋白质-肽相互作用位点预测方法
weixin_42038527的博客
12-16 763
研究团队开发了一款名为DP-Site的AI工具，仅需分析蛋白质的氨基酸序列（“设计图”），就能精准锁定小分子药物的潜在“靶点”。DP-Site的核心创新在于其 “双专家会诊”模式。一位是“图像专家”，擅长分析序列的局部结构特征；另一位是“语义专家”，擅长理解序列的全局上下文信息。两者协同工作，使其预测综合性能（F1分数）达到0.661，超越此前所有方法。
【深度学习】Mask R-CNN在温室番茄成熟度检测中的应用——基于ResNet18与FPN的多级特征融合分类系统
Lun3866buzha的博客
12-18 351
本文提出了一种基于改进Mask R-CNN的温室番茄成熟度检测系统，通过结合ResNet18骨干网络和FPN多级特征融合技术，实现了对不同成熟度番茄的高精度识别。系统采用5000张标注图像进行训练，通过数据增强提高模型鲁棒性，最终在测试集上达到92.3%的准确率和89.7%的mAP。实际部署采用边缘计算设备，处理速度达20FPS，显著提升了番茄采摘效率。实验表明，该系统在复杂光照条件下表现稳定，为智能农业提供了有效的技术解决方案。
Pytorch经典卷积神经网络-----激活函数篇
2301_77958892的博客
12-18 539
在神经元的数学表达式 (y = h(wx+b)) 中，h、w、b 分别代表激活函数、权重参数、偏置参数，三者是构成单个神经元的核心要素，共同实现对输入信号的加权变换与非线性映射其中h则为激活函数一个非线性函数，用于对线性变换结果 (wx+b) 进行映射，让神经元具备非线性表达能力。核心作用：如果没有激活函数，无论神经网络有多少层，最终输出都是输入的线性组合（多层线性变换等价于单层线性变换），无法拟合复杂的非线性任务（如图像分类、语音识别）。
基于深度学习的肾结石检测系统演示与介绍(YOLOv12/v11/v8/v5模型+Pyqt5界面+训练代码+数据集)
ningfoshao8678的博客
12-16 908
本文介绍了基于YOLO目标检测算法开发的肾结石检测系统。该系统支持图片、视频、文件夹批量及摄像头实时检测，包含用户登录、多模型切换等功能。技术栈采用Python3.10、PyQt5和SQLite，对比了YOLOv5/v8/v11/v12四种模型性能，其中YOLO12n精度最高(mAP40.6%)，YOLO11n速度最快(56.1ms)。系统在17000张肾脏影像数据集上训练，mAP@0.5达90%，F1值0.86，能有效识别肾结石位置并显示置信度。
【深度学习新浪潮】用AI工具解析美联储新闻，搭建量化投资分析流水线
智能守恒_HengAI
12-16 332
用AI工具解析美联储新闻，本质是将“定性政策信号”转化为“定量分析指标”，让投资决策更高效、更客观。本文搭建的流水线仅需50行核心代码，即可实现从新闻采集到资产预测的全流程自动化。未来可进一步优化的方向：一是引入大语言模型（如GPT-4o）做政策文本深度解读，挖掘“点阵图分歧”“官员立场博弈”等隐性信息；二是接入实时交易数据，构建“新闻→信号→交易”的闭环策略。
# Python 深度学习 初始化（超参数、权重、函数输入列表）避坑指南：None 占位、可变共享与工厂函数
weixin_42319617的博客
12-13 465
「锁种子 + 模板 → **80%** bug 减少」 | 有真实数据即可统计「bit-diff 次数 / 累积异常样本数」，给出**实测百分比** | 「锁种子后 bit-diff 从 12% → 0%，累积样本误差从 1.7% → 0%」 || 「可变共享会导致**神秘**bug」 | 真实跑 epoch 就能立刻看到 `list` 长度递增 / 指标漂移，不再「神秘」 | 「可变共享会导致**可观测**累积错误，第 1 个 epoch 就能发现」 |
【深度学习】【目标检测】使用RetinaNet-R101-FPN模型实现建筑设备物体检测_1
adaAS1414315的博客
12-14 617
本文介绍了使用RetinaNet-R101-FPN模型实现建筑设备目标检测的方法。首先阐述了项目背景与意义，指出自动设备检测系统可提高建筑工地管理效率。数据集包含6类常见建筑设备共10000张图像，采用PASCAL VOC格式标注。详细讲解了数据预处理流程和增强策略，包括随机翻转、色彩抖动等技术。重点分析了RetinaNet模型架构，特别是其骨干网络ResNet101、特征金字塔网络(FPN)和Focal Loss设计原理。提供了实验环境配置和训练参数设置，展示了训练过程监控方法。该研究为建筑工地自动化管理
MATLAB中基于CNN实现图像超分辨率重建
fie8889的博客
12-18 316
在MATLAB中基于CNN实现图像超分辨率重建，主要有使用预训练模型和从零训练自定义网络两种路径。
CIFAR-10 和 CIFAR-100数据集和CNN/DenseNet/ResNet/VGG模型完成图像分类任务
最新发布
weixin_74009895的博客
12-18 9
CIFAR - 10数据集包含10个类别，每个类别有6000张32×32像素的彩色图像，分为训练集和测试集。CIFAR - 100和CIFAR - 10类似，但有100个类别，每个类别包含600张图像。这些数据集主要用于计算机视觉任务，图像内容涵盖了飞机、汽车、鸟、猫、鹿、狗、青蛙、马、船和卡车等常见的物体类别（CIFAR - 10）以及更细粒度的类别（CIFAR - 100）。
论文15 | 深度学习对功能性超声图像进行血管分割案例分析
小二、来壶酒
12-17 245
法国里昂大学团队开发了一种基于深度学习的创新方法，利用超声定位显微术(ULM)自动标注功能性超声(fUS)图像，通过改进的UNet架构仅需100帧数据即可实现90%准确率的动静脉血流方向识别。该技术突破性地解决了传统fUS难以区分小动脉和小静脉的难题，相比需要3000帧数据的传统方法大幅提升了效率，为实时监测脑血流动态提供了新途径。研究成果发表在《Computers in Biology and Medicine》期刊。
TCSVT 2023论文代码发布：基于图正则与特征感知的多视图聚类
本文标题为“TCSVT 2023 论文源代码”，描述中明确指出该资源是发表于IEEE Transactions on Circuits and Systems for Video Technology（TCSVT）2023年的一篇学术论文的配套源代码实现。该论文由Jie Wen等人撰写，...
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

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

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