实体
SwinIR
SwinIR
PulseAugur coverage of SwinIR — every cluster mentioning SwinIR across labs, papers, and developer communities, ranked by signal.
总计 · 30天
0
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新框架通过结构化指导增强相机图像恢复
研究人员开发了一种用于相机图像处理中统一去马赛克和去噪的新框架。该方法将预训练的结构知识注入恢复过程，解决了现有像素级监督方法在边缘和纹理周围经常退化的局限性。所提出的模型利用 SwinIR 分支进行像素细节重建，并利用并行的结构推理分支提取互补的结构线索，通过可训练的适配器弥合领域差距。
-
LiteKD-Net 通过知识蒸馏提供高效的移动图像去噪
研究人员开发了 LiteKD-Net，这是一种专为移动图像去噪设计的新型轻量级网络。该网络满足了移动设备上高质量图像恢复和低计算成本的需求。它利用新颖的物理引导噪声模拟管道来生成训练数据，并采用 Lite-RRDB 块来实现更高效的学生模型。通过特征级知识蒸馏，LiteKD-Net 在不增加推理时间的情况下有效地将恢复能力从较大的教师模型转移过来，在质量和效率方面均优于 SwinIR 等现有模型。
-
MedSR-Vision框架对医学图像超分辨率的深度学习进行基准测试
研究人员开发了MedSR-Vision，一个旨在提高MRI、CT和X射线等多种模态医学图像质量的新深度学习框架。该框架允许对不同的超分辨率模型进行评估和比较，解决了保持解剖学准确性和感知质量的挑战。该研究对SRCNN、SwinIR和Real-ESRGAN等模型进行了基准测试，深入了解了它们在特定医学成像应用中的性能，并为临床使用提供了指导。