编译 | CV君
报道 | OpenCV中文网（微信id：iopencv）
本篇是对图像质量相关论文的总结。包含去噪、去模糊、去雾、去马赛克、图像 inpainting 和 outpainting、图像恢复、图像着色。
共计 11 篇。如有遗漏，欢迎补充。
下载包含这些论文的 WACV 2021 所有论文：
图像、视频去噪
[1].Self-Supervised training for blind multi-frame video denoising
解决盲视频去噪问题
作者 | Valéry Dewil, Jérémy Anger, Axel Davy, Thibaud Ehret, Pablo Arias, Gabriele Facciolo
单位 | 巴黎-萨克雷大学
论文 | https://arxiv.org/abs/2004.06957
代码 | https://github.com/cmla/mf2f
[2].Self-Supervised Poisson-Gaussian Denoising
作者 | Wesley Khademi, Sonia Rao, Clare Minnerath, Guy Hagen, Jonathan Ventura
单位 | 加利福尼亚理工州立大学；乔治亚大学；Providence College；科罗拉多大学
论文 | https://arxiv.org/abs/2002.09558
去雾
[3].Domain-Aware Unsupervised Hyperspectral Reconstruction for Aerial Image Dehazing
本次研究主要解决航空图像雾霾问题。
作者提出 SkyGAN，由域感知 hazy-to-hyperspectral（H2H）模块、基于条件GAN（cGAN）的多线索图像到图像翻译模块组成共同除雾。
其中 H2H 模块以无监督的方式从 RGB 图像中重建多个 visual bands，克服了高光谱航空图像数据集薄雾朦胧的不足。利用任务监督和域适应，为图像去雾创建一个"hyperspectral catalyst"。
I2I模块使用 "hyperspectral catalyst" 和 12-channel 多线输入，通过利用整个视觉光谱进行有效的图像去雾。
另外，作者还引入一个数据集：Hazy Aerial-Image (HAI) ，包含 65000 多对具有真实的、非均匀的不同密度的朦胧和 ground truth 航空图像。在 SateHaze1k 数据集和 HAI 数据集上对 SkyGAN 的性能进行了评估。
作者 | Aditya Mehta, Harsh Sinha, Murari Mandal, Pratik Narang
单位 | BITS Pilani；IIIT Kota
论文 | https://arxiv.org/abs/2011.03677
去模糊
[4].Motion Adaptive Deblurring with Single-Photon Cameras
Single-photon avalanche diodes（SPAD）是一种快速发展的图像传感技术，具有极高的低光灵敏度和 picosecond timing 分辨率。使SPAD能够应用于激光雷达、非视线成像和荧光显微镜等需要在光子匮乏情况下成像的应用。
本次工作就是利用它来处理低照度条件下被动成像环境中的运动模糊。
作者 | Trevor Seets, Atul Ingle, Martin Laurenzis, Andreas Velten
单位 | 威斯康星大学等
论文 | https://arxiv.org/abs/2012.07931
去马赛克
[5].Splatty- A Unified Image Demosaicing and Rectification Method
作者提出一种全新的 forward mapping（前向映射）算法，合并两个常见的图像预处理步骤：去马赛克和矫正，来提高流媒体的可行性。由于硬件资源的限制，即内存和计算块的限制，嵌入式相机系统往往受限于其吞吐能力。
作者在此次研究中证明了通过合并这两个步骤，将内存占用从O(mn)减少到O(min(m, n))，同时可以保持最先进的去马赛克和矫正结果。还验证了一个多项式矫正 LUT，它能将重映射精度保持在 1E-10 RMSE。
作者 | Pranav Verma, Dominique E. Meyer, Hanyang Xu, Falko Kuester
单位 | 加利福尼亚大学圣迭戈分校
论文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Verma_Splatty-_a_Unified_Image_Demosaicing_and_Rectification_Method_WACV_2021_paper.pdf
图像修复/补全
[6].Hyperrealistic Image Inpainting with Hypergraphs
本次工作中，作者引入空间特征上的 hypergraph convolution（超图卷积）来学习数据之间的复杂关系； 一种可训练的机制，利用超图卷积的超边线来连接节点。
作者称，在此之前，超图卷积从未被用于计算机视觉中任何图像到图像的任务中的空间特征。在判别器中引入 gated convolution（门控卷积），以加强预测图像的局部一致性。在 Places2、CelebA-HQ、Paris Street View 和 Facades 数据集上的实验表明所提出方法获得 SOTA。
作者 | Gourav Wadhwa, Abhinav Dhall, Subrahmanyam Murala, Usman Tariq
单位 | 印度理工学院；蒙纳士大学等
论文 | https://arxiv.org/abs/2011.02904
[7].Multi-Level Generative Chaotic Recurrent Network for Image Inpainting
作者提出一个具有 quad-directional 编码器的 generative chaotic RNN，可以从单个损坏的图像中进行图像修复，既高效又具有鲁棒性，而且无需对图像进行任何预训练或建模。
与现有的深度 CNN 图像修复方法相比，所提出的网络架构结构紧凑，从而在不牺牲修复质量的前提下大大降低了计算需求。
由于只需要训练输出层，所以提出的网络具有较快的收敛速度，从训练开始计算的损耗就很低。且泛化能力强
作者 | Cong Chen, Amos Abbott, Daniel Stilwell
单位 | 弗吉尼亚理工大学
论文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Chen_Multi-Level_Generative_Chaotic_Recurrent_Network_for_Image_Inpainting_WACV_2021_paper.pdf
[8].R-MNet: A Perceptual Adversarial Network for Image Inpainting
作者提出一种端到端 Reverse Masking Wasserstein GAN 图像修复框架(R-MNet)，其性能优于 SOTA。reverse masking 技术通过在被遮挡的图像上应用 reversed mask 作为目标域进行修复，可以提高修复效果的质量。利用高层次特征定义的感知激励新组合损失函数，针对缺失的像素来训练新颖的 R-MNet，以产生高视觉质量的图像。
作者 | Jireh Jam, Connah Kendrick, Vincent Drouard, Kevin Walker, Gee-Sern Hsu, Moi Hoon Yap
单位 | 曼彻斯特城市大学；Image Metrics Ltd；台湾科技大学
论文 | https://arxiv.org/abs/2008.04621
代码 | https://github.com/Jireh-Jam/R-MNet-Inpainting-keras
Image Outpainting 超级补全
[9].Painting Outside as Inside: Edge Guided Image Outpainting via Bidirectional Rearrangement with Progressive Step Learning
通过双向重排与渐进式学习的边缘导向图像超级补，实验验证了该方法优于传统的图像 inpainting and outpainting 方法，可以生成具有360°全景特征的新图像。
作者 | Kyunghun Kim, Yeohun Yun, Keon-Woo Kang, Kyeongbo Kong, Siyeong Lee, Suk-Ju Kang
单位 | 韩国西江大学；POSTECH；NAVER LABS；
论文 | https://arxiv.org/abs/2010.01810
Image Recovery
[10].Generative Patch Priors for Practical Compressive Image Recovery
作者 | Rushil Anirudh, Suhas Lohit, Pavan Turaga
单位 | 劳伦斯利弗莫尔国家实验室；三菱电机研究实验室；亚利桑那州立大学
论文 | https://arxiv.org/abs/2006.10873
备注 | WACV2021 最佳论文荣誉提名奖
图像着色
[11].2D to 3D Medical Image Colorization
着色涉及到颜色的合成，同时保留目标图像的结构内容和语义。在二维照片中得到很好的应用。本次工作中，作者将在着色领域探索了一个新的挑战，目标是使用二维风格的示例对多模态三维医疗数据进行着色。
作者 | Aradhya Neeraj Mathur, Apoorv Khattar, Ojaswa Sharma
单位 | IIITD
论文 |
https://openaccess.thecvf.com/content/WACV2021/papers/Mathur_2D_to_3D_Medical_Image_Colorization_WACV_2021_paper.pdf
推荐阅读
- END -
网友评论