- 博客(94)
- 资源 (12)
- 收藏
- 关注
RSS订阅
原创 Deep Hash in Large Scale Image Retrieval
Deep Hash in Large Scale Image Retrieval 深度哈希方法及其在移动视觉搜索中的应用 大规模图像检索的利器Deep哈希算法介绍 Learning to Hash这里介绍两篇深度hash文章 01 Simultaneous Feature Learning and Hash Coding with Deep Neural Networks CVPR2015
2018-01-21 10:07:14
1670
原创 2024无参考图像的清晰度评价方法
无参考图像质量评价是指参考图像不存在的情况下，直接计算失真图像的视觉质量。根据无参考图像质量评价模型在计算图像视觉质量时是否需要图像的主观分数来进行训练，无参考图像质量评价算法可分为基于监督学习的无参考图像质量评价算法和基于无监督学习的无参考图像质量评价算法。基于监督学习的无参考图像质量评价算法主要包括基于传统机器学习的方法和基于深度学习的方法。
2024-02-06 16:05:00
1025
原创 2024图像消除相关论文大集合
尽管图像消除技术取得了显著的进展，但仍存在一些挑战和问题需要解决：处理速度与精度的平衡：目前大多数图像消除算法在处理速度和精度之间存在一定的权衡。如何提高处理速度的同时保证精度是亟待解决的问题。针对这一问题，可以尝试使用更加高效的算法和硬件加速技术来优化图像消除过程。细节保留和边缘处理：在图像消除过程中，如何保留关键细节并避免边缘模糊是另一个挑战。可以考虑采用结构相似性度量准则和优化算法来解决这一问题，提高图像消除后细节保留度和边缘清晰度。
2024-02-06 15:52:50
712
原创 Vision Transformer 入门到继续入门2022
推荐文章：搞懂Vision Transformer原理和代码，看这篇技术综述就够了推荐视频：B站：李宏毅transfromer推荐关注问题：如何看待Transformer在CV上的应用前景，未来有可能替代CNN吗？ -知乎关于Transformer的那些个为什么 -知乎最近两年借助self-attention的Transformer一下火了，不看不行。问题1:TransForms是什么？相对于传统RNN网络结构一种加强，作为一种网络结构取代...
2022-03-06 12:11:55
3475
原创 Recovering Accurate 3D Human Pose in The Wild Using IMUs and a Moving Camera. ECCV2018 阅读理解
本文提出一个构建3D数据集的方法，并开源了一个室外多人的3D数据集，即3DPW。 在这项工作中，我们提出了一种方法，将单个手持摄像机和一套附在肢体上的惯性测量单元(imu)结合起来，在野外估计准确的3D姿态,这带来了许多新的挑战:移动的摄像机，航向漂移，混乱的背景，遮挡和视频中可见的许多人。整个数据构建流程可以简述为3步：第一步：基于第一帧，通过迭代最小化IMU输出的方向值和基于SMPL得到的方向值以及一些pose的先验约束，可以得到一个不错的SMPL pose作为初始...
2021-11-28 09:21:06
2593
原创 Full-Body Awareness from Partial Observations 阅读理解2020
这篇论文提到当图像中的人存在严重裁剪的时候，依然可以通过局部观察来获取整个人全局的姿态，在现实生活中，这种情况往往需要人通过经验或者上下文信息去判断。那么如何让CNN仅仅从一个图像中去学习到这种能力呢？答案就是数据管够，且确保裁剪程度，确定在一定裁剪程度下，CNN依然能够有效学习。另外作者谈到单独通过在训练的时候进行“裁剪”数据增强，在这种针对消费者视频（存在严重的裁剪）的情况下是不够的，而本文认为将裁剪和对自信视频帧进行自我训练可以提供一个不错的结果。对于严重裁剪的图像，输出结果合...
2021-11-20 12:47:00
1999
原创 SMPL：数据增强之处理pose和3d点
SMPL 是一个低维度的参数化人体模型，SMPL系数有pose和shape，在训练基于SMPL的3Dmesh重建任务时候，一般需要进行数据增强 例如旋转，镜像等，那当GT 中有pose和3d点的时候，怎么处理？一 ：关于3d点的数据增强： 这里设置3d点坐标表示为（x，y，z），如图红色箭头表示x方向。 注意在进行3d点监督的时候，使用的是相对于根节点的相对3d值。 （1） 旋转，当图像发生旋转，3d点只需要全部...
2021-11-14 21:09:57
5291
5
原创 Exemplar Fine-Tuning for 3D Human Model Fitting Towards In-the-Wild 3D Human Pose Estimation 2020阅读理
本文通过EFT方法生成伪3D数据集，只使用该数据集，从头开始训练3D姿势回归器网络，该网络在诸如3DPW等野外基准测试上的表现超过当前的最先进水平例如HMR。 EFT方法可以看作SPIN的改良，即在测试阶段，通过2d重投影loss微调HMR的参数，从而间接调整SMPL系数，使得当前测试样本在尽可能保留HMR的输出效果的同时，降低2d重投影误差。显然SPIN则是通过SMPLify接在HMR后面，通过2d重投影loss和pose相关的先验直接去拟合SMPL系数，达到降低...
2021-11-13 21:45:00
3416
1
原创 PARE: Part Attention Regressor for 3D Human Body Estimation ECCV2012 阅读理解
ICCV2021德国马普所出品，侧重遮挡分析，本文介绍了一种用于遮挡敏感性分析的可视化技术。1强调对于采用采用直接回归的方法时，如何有效解决遮挡问题。1 读后感：1 HRNet-W32比Renet50强2数据集：hm36 + eft + mpi足以3对于多人数据集coco，取根节点最近的即可。有利于解决遮挡问题4采用分类网络进行初始化，收敛慢。先完成2d估计任务，然后进行3d。好像romp也是这么干的。5mask标签怎么获得问题6当某一个...
2021-11-08 10:27:43
1252
1
原创 MeTRAbs: Metric-Scale Truncation-Robust Heatmaps for Absolute 3D Human Pose Estimation 2020
3D Poses in the Wild (3DPW) Challenge Winning ApproachECCV 20201ECCV20203dpw3dpose检测赛道第一名2能够获取实际大小的尺度-米3对截图图像具有一定的鲁棒性4能够获取目标的绝对距离位置问题背景： 2.5D 解决的是人的相对根结点的相对深度，但是无法提供实际米为单位的真实深度，只是一个局部相对深度。因此2.5D表示并没有解决规模(人的大小)和距离之间具有挑战性的不确定性。用来做驱动...
2021-11-07 21:48:38
429
1
原创 3DMM之EOS 原理解析
一：简介eos: 一个轻量级的头型3D Morphable面部模型拟合库GitHub - patrikhuber/eos: A lightweight 3D Morphable Face Model fitting library in modern C++141 目前支持以下三种3DMMSurrey Face Model (SFM),4D Face Model (4DFM)Basel Face Model (BFM) 20092 使用到的计算相关库 Eigen,glm3 其
2021-11-07 21:11:43
1853
1
原创 FrankMocap：A Monocular 3D Whole-Body Pose Estimation System via Regression and Integration 2021阅读理解
ICCV Workshop 2021.Facebook AI researchBtw, why the name FrankMocap? Our pipeline to integrate body and hand modules reminds us of Frankenstein's monster!读后感：因此可以认为这个文章主要解决手部预测的精度。当你的需求要求脸部，身体，手部都准确，可以参考一下这个网络，但是显然相比端到端，这个有点费网络。 这篇论文更多可以看作一篇侧重方.
2021-11-06 22:03:40
947
原创 SMPL 人体模型简要
smpl是指2015 马普的一篇文章“SMPL: a skinned multi-person linear model”中构建的人体参数化三维模型，人体可以理解为是一个基础模型和在该模型基础上进行形变的总和，在形变基础上进行PCA，得到刻画形状的低维参数——形状参数（shape）；同时，使用运动树表示人体的姿势，即运动树每个关节点和父节点的旋转关系，该关系可以表示为三维向量，最终每个关节点的局部旋转向量构成了smpl模型的姿势参数(pose)。考虑到与目前的市面上的渲染器，SMPL模型使用得较多，当然..
2021-06-27 11:12:09
4695
原创 PFLD: A Practical Facial Landmark Detector （CVPR2019）
人脸特征点检测又称人脸对齐，其目的是自动定位一组预定义的基准点(例如，眼角、嘴角等)。好的人脸对齐算法需要考虑到检测精度、处理速度和模型尺寸。 PFLD 这项工作开发了一种实用的面部特征点检测器，称为PFLD，具有高精度的对抗复杂情况，包括无约束的姿态、表情、灯光和遮挡。在骁龙845的芯片中效率可达140fps；另外模型大小较小，仅2.1MB，此外在许多关键点检测的benchmark中也取得了相当好的结果。一：问题引出人脸复杂度：在各种照明条件下，外观...
2020-08-26 22:43:30
831
原创 2020 去噪技术发展趋势
2020 去噪技术发展趋势 去噪任务在合成数据集上，现有的基于深度学习的去噪模型取得了令人印象深刻的效果，但与传统方法相比，它们对真实相机数据的泛化效果较差。最近去噪方面比较热门的两个词就是RAW和GAN了。想了解去噪发展趋势，可以先看看如下几个问题。1 噪声是什么？ 噪声在图像上常表现为一引起较强视觉效果的孤立像素点或像素块。一般，噪...
2020-08-18 21:04:55
1537
原创 2020 超分辨率技术发展趋势
图像超分辨重建是一种提升图像分辨率的图像处理技术，而超分辨问题是一个难解的欠定问题，通常情况下，低分辨率图像被视为高分辨率图像经过模糊、下采样和噪声干扰后所得到的退化图像。从单一低分辨率图像恢复重构出高分辨率图像，是一个难解的欠定问题，研究人员需要利用先验信息去约束解空间，如早期的稀疏先验以及近几年利用深度学习直接从大量训练数据中学习到的图像先验信息。2020年之前超分辨的发展轨迹见文章【1】【2】。本文将结合参考文献和自己的一些实践谈谈超分辨率技术的发展： 目前主流方法基本都...
2020-08-17 19:34:04
4659
原创 deep image prior (cvpr 2018)
deep image prior (cvpr 2018)1 结论：因为网络参数具有高噪声阻抗和低信号阻抗性，相当于给网络w加了一个约束。此时信号收敛的更快，而噪声收敛的较慢，使得前期输出的图像主要是信号相关信息。2 为什么网络参数具有高噪声阻抗和低信号阻抗性？ 2.1实践出真理：论文考虑最基本的重建问题:构建网络，输入为固定分布的的随机编码，GT为X，而X为如下四种：一张自然图像A，自然图像A+噪声，被随机破坏的自然图像A，白噪声实验发现，当X为自然图像和加了噪声的自然图像.
2020-08-07 17:29:27
674
原创 真实噪声：Densely Connected Hierarchical Network for Image Denoising（CVPRW2019） 阅读理解
Deep Iterative Down-Up CNN for Image Denoising CVPRW2019Densely Connected Hierarchical Network for Image Denoising CVPRW2019相同作者：NTIRE 2019真实图像去噪挑战上Raw和RGB两个赛道分别获得第二第三。效果看还行。整个文章的主体结构：u-net 网络结构 + 通过基于预训练模型实现单个模型处理不同级别的噪声 + 通过自集成策略进一步提升模型效果1...
2020-05-10 13:44:09
810
原创 Multi-Scale Boosted Dehazing Network with Dense Feature Fusion（CVPR2020） 阅读理解
Multi-Scale Boosted Dehazing Network with Dense Feature Fusion（CVPR2020）1 简要1作：西安交通大学在本文中，作者团队提出了一种基于U-Net架构的具有密集特征融合的多尺度增强去雾网络。 该方法是基于boosting和误差反馈这两个原理设计的，表明它们适用于去雾问题。1 通过在所提出模型的解码器中加入“Stren...
2020-05-03 20:07:17
6589
2
原创 一文读懂多帧超分辨率来龙去脉2019
人类消除不了混叠信息，最后逼出了多帧超分。1 为什么要超分？与单反相机相比，智能手机相机的传感器更小，这限制了它们的空间分辨率;更小的光圈，限制了它们的聚光能力;更小的像素，这降低了他们的信噪比。实际获得的低分辨率图像可以认为是利用光学成像设备对原始高分辨率场景进行观测的结果，而观测过程不可避免的会受到镜头光学模糊、欠釆样、噪声等降质因素的影响。2 为什么要多帧超分？因为图...
2019-11-23 14:54:26
5667
1
原创 超分走进真实数据
NTIRE 2019 Challenge on Real Image Super-Resolution随着NTIRE 2019 关于真实数据进行单帧超分的比赛结束，2019 年关于超分有两个关键词，“远近数据对” 和 Raw数据：1 人们开始通过长远焦或者远近拍摄来构建真实的超分数据，即退化模型不再是通过下采样和上采样来构建数据集或者人为进行模糊。2 人们不再基于RGB进行单帧超分...
2019-07-07 16:18:09
2434
原创 好的拍照效果应该是怎样的？
现在的智能手机堪称相机，各家手机厂商都在自拍方面下足功夫，那么好的拍照效果应该是怎样的呢？d好的画质效果：图像清晰，不模糊，图像没有什么噪声，色彩均为，逆光和强光下均拍照清晰。拍照效果分析拍照效果主要由摄像头和图像处理的效果决定（1）摄像头：例如目前的4800万像素，像素越大图像质量越好。（当然这句话不一定对，有的单反像素比较小，但是画质就很不错，因为好的画质还有很多因素...
2019-07-07 15:56:45
716
原创 基于傅里叶进行去模糊和去噪
1.1 散焦模糊简介： 散焦模糊是光学透镜焦距限制的自然结果。因此，对于给定的相机设置，位于焦距F上的场景点发出的光线将恰好汇聚在焦平面上的同一点上, 所有来自物体任意一点的光束都会聚到一个单一的传感器点，使得图像像素具有最佳的锐度。然而，来自其他距离的物体的光线不会汇聚到同一点，而是汇聚到传感器平面上的一个小块，称为弥散圆。散焦模型假设：散焦图像可以表示为对焦(锐)原...
2019-05-12 23:06:06
5303
原创 Learning a Single Convolutional Super-Resolution Network for Multiple Degradations（CVPR2018） 阅读理解
我们提出了一个简单但有效且可扩展的deepCNN框架为SISR。该模型超越了广泛使用的双三次退化假设，适用于多种甚至是空间变化的退化，为开发一种实际应用的基于cnn的超解析器迈出了实质性的一步; 针对LR输入图像、模糊核和噪声之间的维数不匹配问题，提出了一种新的维数拉伸策略。虽然这个策略是为SISR提出的，但它是通用的，可以扩展到其他任务，如去模糊。如下图，感觉这个...
2019-03-30 11:56:34
1052
4
原创 Burst photography for high dynamic range and low-light imaging on mobile cameras 阅读理解
1 提出问题：手机拍照因为设备限制，各种不行手机摄像头的光圈很小，这限制了它们能收集到的光子的数量，导致在低光照下产生噪声的图像，而且手机还具有较小的传感器像素，这限制了每个像素可以存储的电子数量，导致有限的动态范围。我们描述了一个拍照pipeline，依次为捕获、对齐和合并一组帧，通过对多个帧进行对齐和合并，与输入帧相比，我们生成的中间图像具有更高的比特深度、更高的动态范围和更低的...
2019-03-30 11:28:27
2193
原创 A High-Quality Denoising Dataset for Smartphone Cameras 阅读笔记
该论文提出了一种制作真实噪声图像对应的ground truth的方法，并基于该方法提出了一个高质量智能手机去噪数据集。目前智能手机图像去噪是一个活跃的研究领域，但是目前该领域缺乏一个高质量的数据集，即真实的噪声图像和对应的高质量 ground truth.本文设计了一种产生高质量智能手机图像去噪数据集SIDD。使用5个具有代表性的智能手机摄像头，在10个不同光照条件下，从10个场景中获取约30...
2019-03-03 10:25:30
1470
原创 基于CNN的HDR重建(二 单帧的)
目录CNN多帧：基于CNN的HDR重建(一 多帧的)CNN单帧：ExpandNet: A Deep Convolutional Neural Network for High Dynamic Range Expansion from Low Dynamic Range Content 2018 EUROGRAPHICSImage Correction via Deep Recipr...
2019-01-27 09:01:53
3370
原创 基于CNN的HDR重建(一 多帧的)
这篇文章简要叙述2017-2018 几篇HDR相关的论文，尤其基于CNN的HDR。对于动态场景来说，从一组不同曝光的图像中生成高动态范围(HDR)图像是一个具有挑战性的过程。这个问题可以分为两个阶段:1)对齐输入的LDR图像，2)合并对齐的图像到HDR图像。方法主要分为两类：一种直接基于LDR对齐融合，一种是先通过相机响应函数线性化这些输入图像（一般就是一个单调的非线性函数），将LDR...
2019-01-27 08:53:43
5889
1
原创 超分：Image Super-Resolution Using Very Deep Residual Channel Attention Networks 阅读理解
这个超分效果，亲测不错,而且作者提出的残差注意网络方便实用。论文认为图像输入和特征中含有丰富的低频信息，这些信息在不同的信道中被平等对待，从而阻碍了cnn的表征能力，因此提出了一种非常深的残差通道注意网络（RCAN）。（1）如何解决更深：当然是利用残差网络，因此基于残差设计了一个非常深的网络，即一个大残差模块中包含多个小的残差模块（RIR：residual in residual）。通过长...
2018-12-23 22:04:26
3244
原创 Exposure Fusion
Exposure Fusionhttp://ntp-0.cs.ucl.ac.uk/staff/j.kautz/publications/exposure_fusion.pdf 很经典的文章，慢慢发现很多东西都是相同的1 定义质量标准:对比度，饱和度，最佳曝光（0，1）2 基于三个质量标准构建权重图，三个质量标准采用乘积进行合并。这样给每一个输入图创建了一个权重图。 为什么...
2018-12-16 12:09:07
1939
原创 Camera理论基础和工作原理
1 拍照成像流程（专业词汇单位） Camera理论基础和工作原理光线通过镜头Lens进入摄像头内部，然后经过IR Filter过滤红外光，最后到达sensor（传感器），senor分为按照材质可以分为CMOS和CCD两种，可以将光学信号转换为电信号，再通过内部的ADC电路转换为数字信号，然后传输给DSP（如果有的话，如果没有则以DVP的方式传送数据到基...
2018-11-24 11:07:13
1410
原创 All-in-focus based on Multi-focus Image Fusion 相关文献阅读理解
2018 Unsupervised Deep Multi-focus Image Fusion Xiang Yan2016 Multi-focus image fusion with a deep convolutional neural network Yu Liu2014 Multi-scale weighted gradient-based fusion for multi-foc...
2018-10-21 20:34:31
2150
1
原创 Scale-recurrent Network for Deep Image Deblurring 阅读理解
Scale-recurrent Network for Deep Image Deblurring 2018CVPR 腾讯优图出品code https://github.com/jiangsutx/SRN-Deblur 代码亲测效果确实不错，但是对于我自己拍的照片出现bad case，跟作者确认过，确实存在。可能是因为作者的模型主要针对运动模糊，一般失焦模糊容易受到矫枉过正的问题。总之...
2018-10-13 16:33:52
2337
2
原创 Adaptive Bilateral Filter for Sharpness Enhancement and Noise Removal 阅读理解
ABF则是一直新的基于训练的图像恢复算法，它的范围是处理适合数码摄影的图片，不考虑那些严重退化的图像。图像恢复算法的广泛应用的成功将取决于算法开发的退化模型的一般程度，以及算法的整体结构对偏离假设的退化模型的程度有多强。 ABF通过增加边缘的斜率从而达到图像锐度增强的效果，并且不会出现过锐等问题，它不需要进行边缘检测，边缘方向计算以及边缘的横截面进行计算。当然与US...
2018-09-24 12:31:44
1309
1
原创 Restoration forWeakly Blurred and Strongly Noisy Images 阅读理解
图像增强算法目前在拍摄方面越来越重要，图像模糊的原因很多，失焦模糊，运动模糊等，根据不要模糊的程度也出现了不同的图像增强算法，一个重要的相机设置-孔径大小，强烈地影响着图像的模糊和噪声问题，需要仔细调整，是。如果曝光时间是固定的，大光圈会增加信号到噪声比（SNR），同时减少场（DOF）的深度，从而增加不聚焦的模糊，从而消除图像的高频成分。一个小光圈可以减轻模糊，但增加了噪音水平。噪音...
2018-09-09 22:07:25
480
2
原创 《Blurriness-guided Unsharp Masking》阅读笔记
Unsharp Masking（反锐化掩模）：将原图像通过反锐化掩模进行模糊预处理(相当于采用低通滤波)后与原图逐点做差值运算，然后乘上一个修正因子再与原图求和，以达到提高图像中高频成分、增强图像轮廓的目的。这篇文章提出了一个基于模糊作为导向的反锐化掩模法，即先通过模糊检测得到一个概率图，然后进行map映射得到一个准确的概率图（其实相当于平滑之前的概率图），然后用这个概率图作为权重来对细节增强...
2018-08-13 23:07:57
759
1
原创 Mixed-Domain Edge-Aware Image Manipulation 阅读笔记
本文提出了一个新的基于边缘感知的图像处理方法：构建一个高斯金字塔，然后对每一层应用一个非线性滤波，接着使用全局优化来合并这些空间变化滤波器的输出。该优化问题是使用明确的混合域（实空间和DCT变换空间）解决方案来解决的，该解决方案高效，准确且易于实现。我们演示了我们的方法应用于一系列问题，包括细节和对比度处理，HDR压缩，非真实感渲染和霾清除。边缘感知图像编辑处理的关键是边缘和细节处理的不同步。...
2018-07-31 21:28:39
592
原创 QT 下使用 opencv with_QT
window 下使用opencv 且opencv支持QT软件环境Qt-5.9.3（mingw530）MinGW-5.1.0-32bit（下载的QT里面有）CMake-3.11.3OpenCV-2.4.91 编译opencv WITH_QT 官网上下载下来编译好的opencv，不支持QT 因此需要自己编译 2 下载的 OpenCV 文件夹会有： build （已编译好的库，使用 MSVC...
2018-06-04 19:57:49
7072
原创 《Recursive Recurrent Nets with Attention Modeling for OCR in the Wild》 笔记
该文提出了一个基于注意力模型的递归循环神经网络模型（R2AM),解决在在无字典约束的条件下，对自然场景文字进行识别.提出的模型主要有以下几个优点：（1）采用了循环的CNN网络，可以更加有效和准确地提取图像特征；（2）在一个隐式的字符级别识别模型中嵌入一个RNN网络可以避免去使用N-元分析法；（3）采用软注意力机制可以允许模型选择性的利用特征，并且运行采用标准的BP算法进行端到端的训练。 ...
2018-05-01 20:51:22
848
原创 文字检测与识别大纲：未完待续
论文文献整理【持续更新】文字检测与识别资料整理（数据库，代码，博客）【持续更新】文字检测与识别资源2018-03-14 文字检测与识别 未完待续个人总结：自然场景文字识别文字检测：端到端的文本区域检测（1）水平文字检测比较好的算法是2016 ECCV乔宇老师团队的CTPN（2）倾斜文字检测比较好的方法是2017 CVPR的EAST和Seglink...
2018-03-14 22:33:51
465
原始图像文件 Raw 文件
2018-11-06
LytroDataset
2018-10-21
Automatic Portrait Segmentation for Image Stylization 数据集
2018-08-06
libdecodeqr-0.9.3.orig.CQU
2016-11-21
QT jrtplib
2014-08-02
JAVAEE JSp章节代码
2014-01-17
编译原理词法分析
2014-01-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人