zbwgycm的博客

Transformer是最近比较火的深度学习模型，它抛弃了传统的CNN和RNN，提出了一种全新的模型架构。借助于新的模型和大规模数据训练，transformer刷新了NLP和CV许多领域的指标，成为这些领域新的SOTA，大有要统一NLP和CV模型的趋势。当然，transformer本身也有许多解释性问题和缺点在被广泛研究改进，但不得不承认这是目前受到关注最多的模型之一了。基于最近看到的一些论文，本文对Transformer的主要观点和在视觉领域，特别是low-level视觉领域的发展做一个简单的总结。

Introduction图像去模糊是一个经典的图像复原任务。造成图像模糊的原因有很多，可以主要分为三大类离焦模糊：场景中的物体处于成像景深范围之外而变得模糊。离焦模糊的去除一般对应着景深的扩展技术像差模糊：镜头加工和制造的缺陷造成了物方的一个点在成像平面形成了一个弥散斑运动模糊：成像过程中相机运动或者场景变化所造成的不同空间位置信息的混叠而最常见的图像去模糊技术一般都是针对运动模糊的去除，因为运动模糊往往是拍摄者不想引入拍摄图像的。我们本次就简单介绍一下图像运动模糊的形成和去除。The fo

Introduction滤波是一个信号处理领域的概念。信息通过波的形式传递，滤波就是通过提取相应的频率成分，从而获取有用的信息。图像滤波也是如此。根据提取频率的成分不同，可以将滤波操作分为低通滤波、带通滤波和高通滤波。在图像处理领域，图像低通滤波，也就是图像平滑滤波，是最重要的方向之一。许多与图像相关的工作都需要使用图像滤波做预处理，而图像平滑滤波也广泛应用于图像去噪、图像增强、图像融合、立体视...

Introduction图像复原是图像处理中最重要的任务之一，其包括图像去噪、去模糊、图像修复、超分辨等， 都是底层视觉中被广泛研究的问题。实际中我们得到的图像往往是退化后的图像（如带噪声图像、模糊图像、被采样的图像等）： y=D(x)y=D(x)y=D(x)其中，yyy表示观察到的退化图像，xxx是原始图像，D(∙)D(∙)D(\bullet)是退化函数，往往是未知的，在实际的计算中，...

论文笔记：Handheld Multi-Frame Super-ResolutionIntroduction这是google发表在SIGGRAPH2019上面的一篇超分辨的文章，也就是在自家手机Pixel3中使用的Super Res Zoom技术。在Google AI Blog中已经对该技术做了初步的介绍，而这篇文章则更加详细的介绍了技术实现细节。文章提到所有应用到手机相机中的超分算法，都...