- 博客(19)
- 资源 (1)
- 问答 (1)
- 收藏
- 关注
RSS订阅原创 《DIP: Deep Inverse Patchmatch for High-Resolution Optical Flow》2022CVPR 光流
Zihua Zheng ；Ni Nie Megvii ；Tencent这篇文章，作者提出了一个基于PatchMatch方法的高分辨率光流估计方法。可以以低内存占用率的状态下高精度的获取光流，引入PatchMatch就是为了对抗RAFT的4D All Paired Correlation Volume的高冗余计算。下图就是4D All Paired Correlation Volume进一步讲，为了进一步压缩计算量，作者优化了PatchMatch方法中的Propagation...
2022-04-27 17:25:58
899
原创 Deep Multimodal Representation Learning（深度多模态表示学习）
多模态表示学习旨在缩小不同模态之间的异质性差距，在利用普遍存在的多模态数据中发挥着不可或缺的作用。基于深度学习的多模态表示学习由于具有强大的多层次抽象表示能力，近年来引起了人们的广泛关注。多模态融合的核心问题是异质性间隙，而为了便于讨论如何缩小异质性差距，根据不同模态集成的底层结构，我们将深度多模态表示学习方法分为三个框架：联合表示、协调表示和编解码器（如上图Fig1）.那么又为什么称为表征学习呢？为传达世界上关于物体的全面信息，描述同一物体不同方面的各种认知信号被记录在文本、图像、视频、声
2022-03-08 14:59:20
6334
原创 SelFlow: Self-Supervised Learning of Optical Flow
Pengpeng Liu, Michael Lyu, Irwin KingThe Chinese University of Hong Kong, § Tencent AI Lab一篇来自2019年CVPR的自监督光流估计---SelFlow作者提出一种从无标注数据中学习光流的自监督训练框架。1）利用Noc-Model 从未遮盖区域，学习可靠的光流信息；2）利用Noc-Model学习到的可靠的光流信息，去指导OCC-Model 学习被遮挡像素的光流（这些被遮盖的像素，俗称Occlus
2022-02-27 19:55:14
712
原创 《Learning optical flow from still images》 2021CVPR
Filippo Aleotti Matteo Poggi Stefano MattocciaDepartment of Computer Science and Engineering (DISI)University of Bologna, Italy从静态图像学习光流Motivate:作者引入一种策略，从任意单一图像中生成准确的reference 光流注释。首先：1）给定一个图像，使用单目深度估计网络来为观测场景建立点云（点的集合）；然后，2）利用运动矢量和旋转角度，...
2022-01-11 16:59:12
326
原创 《Adaptive Unfolding Total Variation Network for Low-Light Image Enhancement》2021ICCV 弱光增强
Chuanjun Zheng Daming Shi Wentian Shi Shenzhen UniversityUnfolding TV 展开总变分：即对TV（总变分）展开（分成多个小项）求解。文章综述：作者利用增广拉格朗日乘子法，交替方向乘子法等对总变分（TV）进行优化拆解，得到多个小项，进行全局的噪声模型估计，优化噪声模型；经过多次迭代计算模型，得到最优噪声模型后，对图像进行提亮，去噪，Loss计算得到增强后的image。文章分为两部分：...
2021-12-22 16:12:30
1191
7
原创 图像添加高斯噪声
def gasuss_noise(image, mean, var): noise = np.random.normal(mean, var, [image.shape[0], image.shape[1], 1]) out = image + np.tile(noise,3) return np.clip(out, 0, 255).astype(np.uint8)mean：均值；var：方差一般情况：mean=0;var=1var越大，噪声越明显。...
2021-12-14 11:14:28
3133
原创 HLA-Face: Joint High-Low Adaptation for Low Light Face Detection
Wenjing Wang, Wenhan Yang, Jiaying Liu* Wangxuan Institute of Computer Technology, Peking University, Beijing, China作者将图像的高-低级信息联合起来，进行求解无监督弱光环境下的人脸检测问题。作者认为正常光...
2021-12-09 17:11:17
3053
2
原创 2021CVPR 弱/暗光《Seeing in Extra Darkness Using a Deep-Red Flash》
文章开头，不得不吐槽一下，此篇文章如朦胧的秋雨，让懵懂的少年，深夜里伴行。永远走不出这寂静的夜。先点题点题：文章一开始放了一个大大的Fig 1 ，告诉我们：人眼有两种细胞：1）Cones（视锥细胞，感知明亮视觉，在白天主导工作，对色彩明暗，对光不敏感）；2）Rods（视杆细胞，感知暗视觉，在晚上主导工作，对色彩不敏感，但对光敏感）。在L = 10^-2cd/m^2 （cd（坎德拉）：被照射物体光表面辐射量单位）的暗光环境下，人眼中的Rods占主导地...
2021-11-25 16:46:01
1885
原创 《Learning Temporal Consistency for Low Light Video Enhancementfrom Single Images》解读
《从单个图像学习低光视频增强的时间一致性》Motivation：作者认为一 一对应的视频数据集太难获取，有以下两点：在这个基础上，作者提出了一种利用单图像通过预测光流的办法，来保证视频增强过程中的时序一致性方法。侧面说明，作者的这个算法只需要图像就可以训练，然后增强暗光视频。通过对单图像的光流预测，可以利用单图像和光流融合，得到下一帧信息（有没有大佬这里看懂了，预测光流，你怎么知道图像中的对象的下一步动作？？这...
2021-11-13 15:54:39
2662
原创 Google Colab 详细注册教程
废话不多，直入正题：一：注册Google Colabgoogle colab是集成在google drive上的东西，所以需要通过google drive进入。首先下载google chrome浏览器，注册google 账号在注册过程填写手机号获取验证码阶段，会出现报错情况（无法获取手机），问题原因：（浏览器是中文的，这个时候只需要点击右上角三个竖点表示的设置，在把浏览器设置成英文即可。(注册完再改回中文，这都无所谓。)注册完账号，直接搜索google drive(https://dr.
2021-11-11 10:29:00
3093
2
原创 《Optical Flow in the Dark》光流
光流其实就是目标物在第n帧与第n+1帧之间的位移差，也就是帧与帧的像素点的2维向量差。在稠密光流图中，利用颜色表示目标光流向量的方向和强度《Optical Flow in the Dark》是2020CVPR ，文章最最最主要的就是提出了一个较牛逼的数据集FCDN ，利用该数据集训练现存的光流估计网络（这个网络不是作者自己提的，而是引用的），会取得很不错的效果。 本文主要是想改善暗光下的光流估计效果，现存方法主要是将暗光下的图像进行提亮，再估计光流。但作者认为这样效...
2021-10-28 10:03:30
432
原创 《Learning to See Moving Objects in the Dark》解读
[1] Jiang H , Zheng Y . Learning to See Moving Objects in the Dark[C]// 2019 IEEE/CVF International Conference on Computer Vision (ICCV). IEEE, 2019.（南加州大学）论文架构：利用一个novel optical co-axis system 获取SMOID Dataset，利用3D-convolation 为了保证图像每帧的时序性和防止2Dconvol..
2021-10-14 17:21:48
1338
2
原创 愚见《Nighttime Visibility Enhancement by Increasing the Dynamic Range andSuppression of Light Effects》
Nighttime Visibility Enhancement by Increasing the Dynamic Range and Suppression of Light Effects.（《通过增加动态范围和抑制光效应来提高夜间能见度》） 2021 CVPR 耶鲁大学&新加坡国立文章核心：通过增加动态范围的强度来提高其可见性，从而提高弱光区域的强度，同时抑制光效应（辉光、眩光）。根据摘要，得到了一下论文结构：文章First是是对inverse CRF的估计（后面...
2021-09-20 15:30:13
1216
原创 [愚见]Lightening Network for Low-LightImage Enhancement
文章开始展示了作者自己的DLN（deep lighting network）增强图像的效果，由于γ(类似亮度控制)的原因，感觉比GT效果还好。不同γ对图像的影响。γ=1是就是estimate normal lighting image。作者的初衷是什么呢？作者认为没有绝对的NL（normal lighting）图像，NL图像不过就是比LL图像像素值高一些，动态范围更大一些。受超分辨[1]的思想，希望利用反向投影从LL（low -lighting）图像中重建出NL图像。 所以作者提出了LBP（
2021-09-05 20:12:56
1394
原创 [愚见]From Fidelity to Perceptual Quality：A Semi-Supervised Approach for Low-Light Image Enhancement
算法思想：1）引入递归的网络架构，训练 paired 图像数据，从粗糙到精细，恢复图像细节、减少信号失真； 2）引入对抗学习，训练 unpaired 图像数据，提高图像的视觉质量，如光照、颜色分布等一个output展示主要分为两个阶段，从保真度到感知质量。1）Recursive Band Learning. 该阶段确保信号保真度和细节恢复。（保真）2）Band Recomposition 提高增强图像的视觉质量。（感知质量）Context这里就是介绍一下x^ ...
2021-08-28 21:40:17
1003
4
原创 读取raw,arw等格式图像，并转格式
import rawpyimport imageioimport matplotlib.pylab as pltraw = rawpy.imread('./test_dataset/testA/24.ARW')im = raw.postprocess(use_camera_wb=True, half_size=False, no_auto_bright=True, output_bps=8)imageio.imwrite('24.bmp', im)
2021-08-28 09:27:18
1277
原创 [愚见]《EnlightenGAN: Deep Light EnhancementWithout Paired Supervision》
读完《EnlightenGAN: Deep Light EnhancementWithout Paired Supervision》有一些自己的想法，随手而写，随性而想，以便此后自我纠正此刻的想法。目的（作者为何提出EnlightenGAN）：对于低光增强问题，给定低光图像可能没有唯一或明确定义的high-light ground truth(言外之意就是对一一张Input,没有明确的ground truth(可以是清晨，可以使中午，可以是下午3点等..))。例如，从黎明到黄昏拍摄的任何照片都可以被视为
2021-08-21 21:03:17
1613
原创 随手笔记《Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement》
阅读《Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement》生成论文框架，便于恢复笨脑记忆。
2021-08-12 17:40:10
512
原创 Pytorch Gpu version False错误
若你按照Pytorch官网的中conda命令安装 ，大概率是Cpu版本。怎么查看版本，在python console 中输入 import torch ; torch.cuda.is_available(),提示T
2021-06-08 16:42:07
1006
FAST EFFICIENT ALGORITHM FOR ENHANCEMENT OF LOW LIGHTING VIDEO
2021-08-04
8bit的图像怎么转成16bit
2021-08-28
TA创建的收藏夹 TA关注的收藏夹
TA关注的人