查找表实现高效的图像超分辨率!论文/代码速递2022.10.31!

AI算法与图像处理

共 2027字,需浏览 5分钟

 ·

2022-11-03 18:05


强烈推荐:2000核时免费领,立刻开启云上高性能计算 ☞,注册即送200元计算资源,https://www.bkunyun.com/wap/console?source=bkykolaistudy
当服务器有可视化界面,直接起飞!

整理:AI算法与图像处理
CVPR2022论文和代码整理:https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo
ECCV2022论文和代码整理:https://github.com/DWCTOD/ECCV2022-Papers-with-Code-Demo
欢迎关注公众号 AI算法与图像处理,获取更多干货:


大家好,  最近正在优化每周分享的CVPR$ECCV 2022论文, 目前考虑按照不同类别去分类,方便不同方向的小伙伴挑选自己感兴趣的论文哈
欢迎大家留言其他想法,  合适的话会采纳哈! 求个三连支持一波哈

建了一个知识星球,计划不定期分享最新的成果和资源!感兴趣可以扫描体验,另外还有50个一年免费体验名额,可以添加微信nvshenj125 申请。

最新成果demo展示:

标题:MuLUT: Cooperating Mulitple Look-Up Tables for Efficient Image Super-Resolution

论文:
https://www.ecva.net/papers/eccv_2022/papers_ECCV/papers/136780234.pdf
主页:https://mulut.pages.dev/
代码:https://github.com/ddlee-cn/MuLUT
边缘设备的高分辨率屏幕刺激了对高效图像超分辨率(SR)的强烈需求。一项新兴的研究,SR-LUT,通过将查找表(LUT)与基于学习的SR方法相结合来响应这一需求。然而,单个LUT的大小随着其索引容量的增加呈指数级增长。因此,单个LUT的感受野受到限制,导致性能低下。为了解决这个问题,我们通过支持多个LUT(称为MuLUT)的合作来扩展SR-LUT。首先,我们设计了两种新的互补索引模式,并行构造了多个LUT。其次,我们提出了一种重新索引机制,以实现多个LUT之间的分层索引。在这两种方式中,MuLUT的总大小与其索引容量呈线性关系,从而产生了一种获得优异性能的实用方法。我们检查了MuLUT在五个SR基准上的优势。MuLUT比SR-LUT实现了显著的改进,最高可达1.1dB PSNR,同时保持了其效率。此外,我们扩展了MuLUT以解决拜耳图案图像的去马赛克问题,在两个基准上大大超过了SR-LUT。


最新论文整理


   ECCV2022


Updated on : 31 Oct 2022

total number : 1

Adaptive Mask-based Pyramid Network for Realistic Bokeh Rendering

  • 论文/Paper: http://arxiv.org/pdf/2210.16078

  • 代码/Code: None


    CVPR2022


   NeurIPS

Updated on : 31 Oct 2022

total number : 5

Addressing Bias in Face Detectors using Decentralised Data collection with incentives

  • 论文/Paper: http://arxiv.org/pdf/2210.16024

  • 代码/Code: None

Subsidiary Prototype Alignment for Universal Domain Adaptation

  • 论文/Paper: http://arxiv.org/pdf/2210.15909

  • 代码/Code: None

PatchRot: A Self-Supervised Technique for Training Vision Transformers

  • 论文/Paper: http://arxiv.org/pdf/2210.15722

  • 代码/Code: None

Multimodal Transformer for Parallel Concatenated Variational Autoencoders

  • 论文/Paper: http://arxiv.org/pdf/2210.16174

  • 代码/Code: None

Differentially Private CutMix for Split Learning with Vision Transformer

  • 论文/Paper: http://arxiv.org/pdf/2210.15986

  • 代码/Code: None



浏览 46
点赞
评论
收藏
分享

手机扫一扫分享

举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

举报