您当前的位置:首页 > IT编程 > 图像修复
| C语言 | Java | VB | VC | python | Android | TensorFlow | C++ | oracle | 学术与代码 | cnn卷积神经网络 | gnn | 图像修复 | Keras | 数据集 | Neo4j | 自然语言处理 | 深度学习 | 医学CAD | 医学影像 | 超参数 | pointnet | pytorch |

自学教程:CVPR 2020 论文大盘点-超分辨率篇

51自学网 2021-07-11 11:56:21
  图像修复
这篇教程CVPR 2020 论文大盘点-超分辨率篇写得很实用,希望能帮到您。

本文盘点CVPR 2020 所有超分辨率(Super-Resolution,SR)技术相关论文,总计21篇,超分辨率是CV领域传统方向,下面这张图让你一眼明白它要做什么。



图片来自CVPR2019 Meta-SR算法论文

SR提升图像分辨率,又能增加图像细节,让放大的图像看起来不那么“辣眼睛”。

这21篇文章中方向以做图像超分辨率居多有10篇,视频超分辨率3篇,人脸超分辨率2篇,特定领域超分辨率即深度图、光场、高光谱图像超分辨率各1篇,零样本超分辨率1篇,探索专用于超分辨率的数据增广方法的1篇,最后还有一篇超分辨率技术的有趣应用:语义分割1篇。

难能可贵的是,21篇论文中13篇已经或者即将开源代码,CV君也一并将代码地址列出了,方便更多的人研究。

另外,比较有意思的是,这21篇论文中有15篇为国内研究机构所发表,或者第一作者为华人,可见华人在此领域的影响力巨大。

大家可以在:

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。

如果想要下载所有CVPR 2020论文,请点击这里:

重磅!CVPR 2020 论文今起全面开放下载,含主会和workshop

   图像超分辨率

[1].Closed-Loop Matters: Dual Regression Networks for Single Image Super-Resolution

作者 | Yong Guo, Jian Chen, Jingdong Wang, Qi Chen, Jiezhang Cao, Zeshuai Deng, Yanwu Xu, Mingkui Tan

单位 | 华南理工大学;Guangzhou Laboratory;微软亚洲研究院;百度

代码 | https://github.com/guoyongcs/DRN



[2].EventSR: From Asynchronous Events to Image Reconstruction, 

Restoration, and Super-Resolution via End-to-End Adversarial Learning

作者 | Lin Wang, Tae-Kyun Kim, Kuk-Jin Yoon

单位 | 韩国科学技术院;伦敦帝国学院

视频 | https://www.youtube.com/watch?v=OShS_MwHecs

数据集 | https://github.com/wl082013/ESIM_dataset



[3].Unpaired Image Super-Resolution Using Pseudo-Supervision

作者 | Shunta Maeda

单位 | Navier Inc



[4].Correction Filter for Single Image Super-Resolution: Robustifying Off-the-Shelf Deep Super-Resolvers

作者 | Shady Abu Hussein, Tom Tirer, Raja Giryes

单位 | 以色列特拉维夫大学



[5].Residual Feature Aggregation Network for Image Super-Resolution

作者 | Jie Liu, Wenjie Zhang, Yuting Tang, Jie Tang, Gangshan Wu

单位 | 南京大学



[6].Deep Unfolding Network for Image Super-Resolution

作者 | Kai Zhang, Luc Van Gool, Radu Timofte

单位 | 苏黎世联邦理工学院

代码 | https://github.com/cszn/USRNet(PyTorch)



[7].Image Super-Resolution With Cross-Scale Non-Local Attention and Exhaustive Self-Exemplars Mining

作者 | Yiqun Mei, Yuchen Fan, Yuqian Zhou, Lichao Huang, Thomas S. Huang, Honghui Shi

单位 |  IFP Group;地平线机器人;俄勒冈大学

代码 | https://github.com/SHI-Labs/Cross-Scale-Non-Local-Attention(PyTorch)



[8].Unified Dynamic Convolutional Network for Super-Resolution With Variational Degradations

作者 | Yu-Syuan Xu, Shou-Yao Roy Tseng, Yu Tseng, Hsien-Kai Kuo, Yi-Min Tsai

单位 | 中国台湾联发科技



[9].Learning Texture Transformer Network for Image Super-Resolution

作者 | Fuzhi Yang, Huan Yang, Jianlong Fu, Hongtao Lu, Baining Guo

单位 | 上海交通大学;微软研究院

代码将开源,解读请见今天推送的另一篇文章。



[10].Robust Reference-Based Super-Resolution With Similarity-Aware Deformable Convolution

作者 | Gyumin Shim, Jinsun Park, In So Kweon

单位 | 韩国科学技术院



   视频超分辨率

[11].TDAN: Temporally-Deformable Alignment Network for Video Super-Resolution

Yapeng Tian, Yulun Zhang, Yun Fu, Chenliang Xu

单位 | 罗切斯特大学;东北大学

代码 | https://github.com/YapengTian/TDAN-VSR-CVPR-2020



[12].Zooming Slow-Mo: Fast and Accurate One-Stage Space-Time Video Super-Resolution

作者 | Xiaoyu Xiang, Yapeng Tian, Yulun Zhang, Yun Fu, Jan P. Allebach, Chenliang Xu

单位 | 普渡大学;罗切斯特大学;东北大学

代码 | https://github.com/Mukosame/ZoomingSlowMo-CVPR-2020



[13].Video Super-Resolution With Temporal Group Attention

作者 | Takashi Isobe, Songjiang Li, Xu Jia, Shanxin Yuan, Gregory Slabaugh, Chunjing Xu, Ya-Li Li, Shengjin Wang, Qi Tian

单位 | 清华;华为诺亚方舟实验室

代码 | https://github.com/junpan19/VSR_TGA(即将)



   人脸超分辨率

[14].Learning to Have an Ear for Face Super-Resolution

作者 | Givi Meishvili, Simon Jenni, Paolo Favaro

单位 | 伯尔尼大学

代码 | https://github.com/gmeishvili/ear_for_face_super_resolution(即将)

网站 | https://gmeishvili.github.io/ear_for_face_super_resolution/index.html



[15].Deep Face Super-Resolution With Iterative Collaboration Between Attentive Recovery and Landmark Estimation

作者 | Cheng Ma, Zhenyu Jiang, Yongming Rao, Jiwen Lu, Jie Zhou

单位 | 清华大学等

代码 | https://github.com/Maclory/Deep-Iterative-Collaboration



   深度图超分辨率

[16].Channel Attention Based Iterative Residual Learning for Depth Map Super-Resolution

作者 | Xibin Song, Yuchao Dai, Dingfu Zhou, Liu Liu, Wei Li, Hongdong Li, Ruigang Yang

单位 | 百度;澳大利亚国立大学等



   光场图像超分辨率

[17].Light Field Spatial Super-Resolution via Deep Combinatorial Geometry Embedding and Structural Consistency Regularization

作者 | Jing Jin, Junhui Hou, Jie Chen, Sam Kwong

单位 | 香港城市大学;香港浸会大学

代码 | https://github.com/jingjin25/LFSSR-ATO



   高光谱图像超分辨率

[18].Unsupervised Adaptation Learning for Hyperspectral Imagery Super-Resolution

作者 | Lei Zhang, Jiangtao Nie, Wei Wei, Yanning Zhang, Shengcai Liao, Ling Shao

单位 | 阿联酋起源人工智能研究院(IIAI);西北工业大学

代码 | https://github.com/JiangtaoNie/UAL



   零样本超分辨率

[19].Meta-Transfer Learning for Zero-Shot Super-Resolution

作者 | Jae Woong Soh, Sunwoo Cho, Nam Ik Cho

单位 | 首尔大学

代码 | https://github.com/JWSoh/MZSR



   用于超分辨率的数据增广

[20].Rethinking Data Augmentation for Image Super-resolution: A Comprehensive Analysis and a New Strategy

作者 | Jaejun Yoo, Namhyuk Ahn, Kyung-Ah Sohn

单位 | 洛桑联邦理工学院;亚洲大学



   超分辨率用于语义分割

[21].Dual Super-Resolution Learning for Semantic Segmentation

作者 | Li Wang, Dong Li, Yousong Zhu, Lu Tian, Yi Shan

单位 |  Xilinx Inc;中科院

代码 | https://github.com/wanglixilinx/DSRL



更多阅读:

CVPR 2020 论文大盘点-人脸技术篇

CVPR 2019 论文大盘点-超分辨率篇
————————————————
版权声明:本文为CSDN博主「我爱计算机视觉」的原创文章,遵循CC 4.0 BY-SA版权协议,转载请附上原文出处链接及本声明。
原文链接:https://blog.csdn.net/moxibingdao/article/details/106726667


使用DRN网络(双重回归网络)解决SR问题
AI技术如何让革命先烈露出微笑
51自学网,即我要自学网,自学EXCEL、自学PS、自学CAD、自学C语言、自学css3实例,是一个通过网络自主学习工作技能的自学平台,网友喜欢的软件自学网站。
京ICP备13026421号-1