MIRNet:“学习增强的真实图像还原和增强功能”的官方存储库(ECCV 2020)。 SOTA结果可实现图像降噪,超分辨率和图像增强

时间:2024-05-24 00:15:44
【文件属性】:

文件名称:MIRNet:“学习增强的真实图像还原和增强功能”的官方存储库(ECCV 2020)。 SOTA结果可实现图像降噪,超分辨率和图像增强

文件大小:28KB

文件格式:ZIP

更新时间:2024-05-24 00:15:44

computer-vision pytorch attention-mechanism super-resolution image-denoising

学习丰富的功能以进行真实图像还原和增强(ECCV 2020) , , , , , 和 论文: : 补充文件: 视频演示: : 摘要:为了从降级版本中恢复高质量图像内容,图像恢复在监视,计算摄影,医学成像和遥感等领域拥有众多应用。 最近,卷积神经网络(CNN)与传统的图像恢复任务方法相比取得了巨大的进步。 现有的基于CNN的方法通常以全分辨率或渐进式低分辨率表示形式运行。 在前一种情况下,获得了空间精确但上下文上不那么健壮的结果,而在后一种情况下,生成了语义上可靠但空间上不太准确的输出。 在本文中,我们提出了一种新颖的体系结构,其总体目标是通过整个网络维护空间精确的高分辨率表示,并从低分辨率表示接收强大的上下文信息。 我们方法的核心是包含几个关键元素的多尺度残差块:(a)并行多分辨率卷积流,用于提取多尺度特征;(b)跨多分辨率流的信息交换;(c)空间和渠道关注机


【文件预览】:
MIRNet-master
----test_super_resolution.py(3KB)
----utils()
--------model_utils.py(2KB)
--------dataset_utils.py(2KB)
--------antialias.py(4KB)
--------__init__.py(108B)
--------bundle_submissions.py(4KB)
--------dir_utils.py(407B)
--------image_utils.py(1KB)
----config.py(3KB)
----test_enhancement.py(3KB)
----dataloaders()
--------dataset_rgb.py(5KB)
--------data_rgb.py(565B)
----training.yml(508B)
----generate_patches_SIDD.py(2KB)
----losses.py(2KB)
----LICENSE.md(1KB)
----README.md(8KB)
----pretrained_models()
--------download_models.txt(122B)
----test_denoising_sidd.py(3KB)
----train_denoising.py(7KB)
----pytorch-gradual-warmup-lr()
--------warmup_scheduler()
--------setup.py(578B)
----networks()
--------MIRNet_model.py(13KB)
----.gitignore(36B)
----test_denoising_dnd.py(3KB)

网友评论