双边网格学习、Bilateral Learning
目录
背景
方法
结论
挖坑,双边网格学习。双边网格具有很多优良的特性,在图像恢复等方面还具有很多的价值可以挖掘,因此本系列我会把相关论文和代码以我的理解写成博客,留做记录,代码运行过程中如果有问题或者发现我也会写到博客里。
背景
双边网格学习有些相似于双边滤波。
双边滤波(Bilateral Filter)是非线性滤波中的一种,结合图像的空间邻近度与像素值相似度。 在滤除噪声、平滑图像的同时,又保存边缘。一个负责计算空间邻近度 的权值,也就是常用的高斯 滤波器原理。而另一个负责 计算像素值相似度的权值。 在两个高斯滤波的同时作用 下,就是双边滤波。
方法
有空细细研究一下代码实现。
双边网格一维主要示意图:
二维示意图
《Real-time Edge-Aware Image Processing with the Bilateral Grid》是2007年的利用双边网格的一篇传统方法图像处理的文章,文章利用双边网格进行快速的图像中增强,即将细节、曝光较差的图像进行恢复。
《Deep Bilateral Learning for Real-Time Image Enhancement》是2017年的利用双边网格和深度学习的HDR图像实时增强文章,效果不错。
阅读论文《Deep Bilateral Learning for Real-Time Image Enhancement》_CHNguoshiwushuang的博客-CSDN博客_enhancement 这是2017 siggraph的一篇论文,寒假boss让我看这篇论文我没怎么看懂。最近在公司实习,发现该论文的成果已经移到手机端上了,效果还非常不错。这里我重新温习了一下这篇论文,发现有许多可以借鉴的地方,是一篇非常不错的论文,这里重新叙述一下,谈谈我的理解。 首先说一下这篇文章的整体思路,这篇文章对于图像增强的方法是,将图像首先做下采样,继续卷积下采样几次然后分别学习其全局特征和局...https://blog.csdn.net/CHNguoshiwushuang/article/details/81843826?spm=1001.2101.3001.6650.1&utm_medium=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~Rate-1.pc_relevant_antiscanv2&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2~default~CTRLIST~Rate-1.pc_relevant_antiscanv2&utm_relevant_index=2
《Ultra-High-Definition Image Dehazing via Multi-Guided Bilateral Learning》是2021年的去雾文章,该论文为2021cvpr上的一篇去雾文章,主打高清图像快速去。
(最新更新2022.3.24)
双边网格学习一:2021cvpr《Ultra-High-Definition Image Dehazing via Multi-Guided Bilateral Learning》_Alocus_的博客-CSDN博客背景方法,据论文所述,在实时性方面达到较好结果。核心采用双边网格,双边网格能够关注色彩突变的物体边界,并能够很好的关注于高频信息上面是该网络的主要架构图,可以看到非常地简洁,实际上,为了简洁而简洁可能有时候会对读者造成一定的误导。如,在该模型中的特征提取部分代码里使用的是Unet网络,图中则画的很简单,另外在RGB图像表示部分也不够清楚,实际上在图像输入之后也会有一个unet进行特征提取,然后对提取后的特征分别进行三次卷积,以生成三个通道共九个通道的R, G, B channel。本文.https://blog.csdn.net/Crystal_remember/article/details/123715221
结论
我会在随后的更新中进行文章细致的代码注释。复现等工作,由于手头任务较多,因此可能较慢,就算督促自己进行学习、总结吧。
—————————————————待完善—————————————————
双边网格学习、Bilateral Learning相关推荐
- 双边网格学习一:2021cvpr《Ultra-High-Definition Image Dehazing via Multi-Guided Bilateral Learning》
目录 背景 方法 总结 背景 众所周知,目前深度学习去雾方法速度方面一直是个痛点,难以达到效果和速度兼容.基于此,本论文设计了快速的去雾网络,网络基于双边网格,能够通过提取一种双边网格的数据结构对原 ...
- CVPR2021|用于立体匹配的可学习双边网格
编辑丨3D视觉开发者社区 高精度的实时立体匹配网络是时下研究的一个热点,它在自动驾驶.机器人导航和增强现实等领域中有着广泛的应用.虽然近年来对立体匹配网络的研究已经取得了显著的成果,但要同时兼顾实时性 ...
- [Style Transfer]——Joint Bilateral Learning for Real-time Universal Photorealistic Style Transfer
Joint Bilateral Learning for Real-time Universal Photorealistic Style Transfer 基于联合双边学习的通用写实风格转换 fr ...
- Deep Bilateral Learning for Real-Time Image Enhancement
Deep Bilateral Learning for Real-Time Image Enhancement 论文简介: 本文提出了一种新的网络架构,它可以在全分辨率图像上实时执行图像增强,同时仍能 ...
- 阅读论文《Deep Bilateral Learning for Real-Time Image Enhancement》
这是2017 siggraph的一篇论文,寒假boss让我看这篇论文我没怎么看懂.最近在公司实习,发现该论文的成果已经移到手机端上了,效果还非常不错.这里我重新温习了一下这篇论文,发现有许多可以 ...
- 强化学习(五) - 时序差分学习(Temporal-Difference Learning)及其实例----Sarsa算法, Q学习, 期望Sarsa算法
强化学习(五) - 时序差分学习(Temporal-Difference Learning)及其实例 5.1 TD预测 例5.1 回家时间的估计 5.2 TD预测方法的优势 例5.2 随机移动 5.3 ...
- 论文学习笔记: Learning Multi-Scale Photo Exposure Correction(含pytorch代码复现)
论文学习笔记: Learning Multi-Scale Photo Exposure Correction--含pytorch代码复现 本章工作: 论文摘要 训练数据集 网络设计原理 补充知识:拉普 ...
- 双边格网(bilateral grid)
双边滤波速度很慢 -> 加速,双边网格. 首先明确一点,双边网格本质上是一个数据结构. 以单通道灰度值为例,双边网格结合了图像二维的空间域信息以及一维的灰度信息,可认为其是一个3D的数组. 举一 ...
- 论文阅读:Deep Bilateral Learning for Real-Time Image Enhancement
Deep Bilateral Learning for Real-Time Image Enhancement ABSTRACT 对于移动端的图像处理,性能功耗是一个非常大的挑战,这篇文章提出了一种新 ...
最新文章
- 【一个好的总经理必做的四件事】
- python适合做后端开发吗-用Python开发app后端有优势吗
- JVM的生命周期||JVM的发展历程
- 密码协议(三)裁决协议和自动执行协议
- mysql中find_in_set结合GROUP_CONCAT使用
- android 动画 返回,Android“菜单图标变返回”动画
- 改进的EfficientNet-B4用于黑色素瘤检测
- hive使用适用场景_数据分析之hive学习(四):面试题——场景输出(row_number)...
- Java Bean 与Spring Bean 的区别
- 解决win10上“RDP Wrapper里的Not supported“问题
- LVGL v8.1.0 lv_table 内存泄漏问题
- matlab 摄动,孤立特征值情况的矩阵摄动法算例(matlab编程).doc
- 苹果电脑双系统虚拟机怎么安装?
- 模版之家第三方解析下载不用开年或终身会员也能下载
- 技术书籍也香艳——《Head Fisrt 设计模式》
- Django使用supervisor管理celery和uwsgi实践记录 uwsgi BACKOFF Exited too quickly (process log may have details)
- 网店系统哪个好,免费网店系统,网店系统排行
- SIM相关术语MCC MNC UIM SIM PIN PUK简介
- windows无法连接到打印机?三个方法连接打印机(Win10系统)
- 正则,grep命令详解