CVPR 2020 论文大盘点-图像增强与图像恢复篇

本文继上一篇 CVPR 2020 论文大盘点-去雨去雾去模糊篇 之后,继续盘点CVPR 2020 中低层图像处理技术,本篇聚焦于图像视频的增强与恢复,含如下四个方向:

  • 图像与视频增强(Image&Video Enhancement)7 篇

  • 图像恢复(Image Restoration )5 篇

  • 图像与视频去噪(Image&Video Denoising)9 篇

  • 图像去摩尔纹(Image Demoireing)1 篇

总计22 篇。

其中低照度图像增强是一个热点,这也许和近两年智能手机主打夜景拍摄有关系,传统的去噪方向依旧吸引了不少学者,也用在了新的相机模型和应用场景中。

图像去摩尔纹只有一篇,但在52CV图像增强恢复交流群里却经常被提及,也是一个很实用的方向。

已经开源或者即将开源的论文,把代码地址也附上了。

大家可以在:

http://openaccess.thecvf.com/CVPR2020.py

按照题目下载这些论文。

如果想要下载所有CVPR 2020论文,请点击这里:

CVPR 2020 论文全面开放下载,含主会和workshop

   图像与视频增强(Image&Video Enhancement

零参考深度曲线估计用于低照度图像增强

[1].Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement

作者 | Chunle Guo, Chongyi Li, Jichang Guo, Chen Change Loy, Junhui Hou, Sam Kwong, Runmin Cong

单位 | 天津大学;香港城市大学;南洋理工大学;北京交通大学

代码 | https://li-chongyi.github.io/Proj_Zero-DCE.html/

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第1张图片

通过分解和增强来恢复低照度图像

[2].Learning to Restore Low-Light Images via Decomposition-and-Enhancement

作者 | Ke Xu, Xin Yang, Baocai Yin, Rynson W.H. Lau

单位 | 大连理工大学;香港城市大学;鹏城实验室

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第2张图片

时空感知的多分辨率视频增强技术

[3].Space-Time-Aware Multi-Resolution Video Enhancement

作者 | Muhammad Haris, Greg Shakhnarovich, Norimichi Ukita

单位 | 日本丰田工业大学;丰田工业大学芝加哥分校

代码 | https://github.com/alterzero/STARnet

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第3张图片

低光照图像增强的半半监督方法

[4].From Fidelity to Perceptual Quality: A Semi-Supervised Approach for Low-Light Image Enhancement

作者 | Wenhan Yang, Shiqi Wang, Yuming Fang, Yue Wang, Jiaying Liu

单位 | 香港城市大学;江西财经大学;ByteDance Technology Co., Ltd.;北大

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第4张图片

深度局部参数滤波器实现可解释的图像增强

[5].DeepLPF: Deep Local Parametric Filters for Image Enhancement

作者 | Sean Moran, Pierre Marza, Steven McDonagh, Sarah Parisot, Gregory Slabaugh

单位 | 华为诺亚方舟实验室;里昂国立应用科学学院;Mila Montreal

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第5张图片

利用毫米波雷达进行穿雾式高分辨率成像

[6].Through Fog High-Resolution Imaging Using Millimeter Wave Radar

作者 | Junfeng Guan, Sohrab Madani, Suraj Jog, Saurabh Gupta, Haitham Hassanieh

单位 | 伊利诺伊大学厄巴纳-香槟分校

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第6张图片

深度多模态传感器融合在不可预见的恶劣天气中的应用

[7].Seeing Through Fog Without Seeing Fog: Deep Multimodal Sensor Fusion in Unseen Adverse Weather

作者 | Mario Bijelic, Tobias Gruber, Fahim Mannan, Florian Kraus, Werner Ritter, Klaus Dietmayer, Felix Heide

单位 | 奔驰;Algolux;乌尔姆大学;普林斯顿大学

代码 | https://github.com/princeton-computational-imaging/SeeingThroughFog

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第7张图片

   图像恢复(Image Restoration 

改进数据合成方法用于真实图像恢复

[8].CycleISP: Real Image Restoration via Improved Data Synthesis

作者 | Syed Waqas Zamir, Aditya Arora, Salman Khan, Munawar Hayat, Fahad Shahbaz Khan, Ming-Hsuan Yang, Ling Shao

单位 | IIAI;加州大学美熹德分校;谷歌

代码 | https://github.com/swz30/CycleISP

备注 | CVPR 2020 Oral

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第8张图片

人脸图像修复

[9].Enhanced Blind Face Restoration With Multi-Exemplar Images and Adaptive Spatial Feature Fusion

作者 | Xiaoming Li, Wenyu Li, Dongwei Ren, Hongzhi Zhang, Meng Wang, Wangmeng Zuo

单位 | 哈尔滨工业大学;天津大学;合肥工业大学

代码 | https://github.com/csxmli2016/ASFFNet

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第9张图片

图像重建、恢复和超分辨率

[10].EventSR: From Asynchronous Events to Image Reconstruction, Restoration, and Super-Resolution via End-to-End Adversarial Learning

作者 | Lin Wang, Tae-Kyun Kim, Kuk-Jin Yoon

单位 | 韩国科学技术院;伦敦帝国学院

数据集 | https://github.com/wl082013/ESIM_dataset

立体图像恢复中的视差感知域适应性

[11].Disparity-Aware Domain Adaptation in Stereo Image Restoration

作者 | Bo Yan, Chenxi Ma, Bahetiyaer Bare, Weimin Tan, Steven C. H. Hoi

单位 | 复旦大学;新加坡管理大学

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第10张图片

无监督图像恢复

[12].Learning Invariant Representation for Unsupervised Image Restoration

作者 | Wenchao Du, Hu Chen, Hongyu Yang

单位 | 四川大学

代码 | https://github.com/Wenchao-Du/LIR-for-Unsupervised-IR

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第11张图片

   图像与视频去噪(Image&Video Denoising

实时视频去噪

[13].FastDVDnet: Towards Real-Time Deep Video Denoising Without Flow Estimation

作者 | Matias Tassano, Julie Delon, Thomas Veit

单位 | GoPro France;Universite de Paris & IUF;

代码 | https://github.com/m-tassano/fastdvdnet

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第12张图片

event相机的去噪

[14].Event Probability Mask (EPM) and Event Denoising Convolutional Neural Network (EDnCNN) for Neuromorphic Cameras

作者 | R. Wes Baldwin, Mohammed Almatrafi, Vijayan Asari, Keigo Hirakawa

单位 | 戴顿大学;Umm Al-Qura University

代码 | https://github.com/bald6354/EPM(尚未)

更多介绍 | https://www.zhihu.com/question/47111443

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第13张图片

从单幅图像中学习自监督去噪的方法

[15].Self2Self With Dropout: Learning Self-Supervised Denoising From Single Image

作者 | Yuhui Quan, Mingqin Chen, Tongyao Pang, Hui Ji

单位 | 华南理工大学;新加坡国立大学

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第14张图片

自引导的联合去马赛克和去噪

[16].Joint Demosaicing and Denoising With Self Guidance

作者 | Lin Liu, Xu Jia, Jianzhuang Liu, Qi Tian

单位 | 华为诺亚方舟实验室;中国科学技术大学

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第15张图片

视频去噪

[17].Supervised Raw Video Denoising With a Benchmark Dataset on Dynamic Scenes

作者 | Huanjing Yue, Cong Cao, Lei Liao, Ronghe Chu, Jingyu Yang

单位 | 天津大学

代码 | https://github.com/cao-cong/RViDeNet

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第16张图片

用于极端低照度的Raw图像去噪

[18].A Physics-Based Noise Formation Model for Extreme Low-Light Raw Denoising

作者 | Kaixuan Wei, Ying Fu, Jiaolong Yang, Hua Huang

单位 | 北京理工大学;微软

代码 | https://github.com/Vandermode/ELD

备注 | CVPR 2020  Oral

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第17张图片

使用迁移学习的方法将仿真噪声数据集训练的去噪模型迁移到真实噪声数据集的去噪模型上,提升去噪模型的泛化能力

[19].Transfer Learning From Synthetic to Real-Noise Denoising With Adaptive Instance Normalization

作者 | Yoonsik Kim, Jae Woong Soh, Gu Yong Park, Nam Ik Cho

单位 | 首尔大学

代码 | https://github.com/terryoo/AINDNet

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第18张图片

内存高效的NAS + 图像去噪

[20].Memory-Efficient Hierarchical Neural Architecture Search for Image Denoising

作者 | Haokui Zhang, Ying Li, Hao Chen, Chunhua Shen

单位 | 西北工业大学;阿德莱德大学

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第19张图片

[21].Basis Prediction Networks for Effective Burst Denoising With Large Kernels

作者 | Zhihao Xia, Federico Perazzi, Michael Gharbi, Kalyan Sunkavalli, Ayan Chakrabarti

单位 | 华盛顿大学(圣路易斯);Adobe Research

主页 | https://www.cse.wustl.edu/~zhihao.xia/bpn/

代码 | 即将

   图像去摩尔纹(Image Demoireing

摩尔纹是相机拍摄电子屏幕时出现的条纹,该文提出一种可学习的带通滤波器实现去摩尔纹,Keras+TensorFlow实现

[22].Image Demoireing with Learnable Bandpass Filters

作者 | Bolun Zheng, Shanxin Yuan, Gregory Slabaugh, Ales Leonardis

单位 | 杭州电子科技大学;华为诺亚方舟实验室

代码 | https://github.com/zhenngbolun/Learnbale_Bandpass_Filter

CVPR 2020 论文大盘点-图像增强与图像恢复篇_第20张图片

推荐阅读:

  • CVPR 2020 论文大盘点-去雨去雾去模糊篇

  • CVPR 2020 论文大盘点-超分辨篇

  • CVPR 2020 论文大盘点-目标检测篇

  • CVPR 2020 论文大盘点-人脸技术篇

  • CVPR 2020 论文大盘点-目标跟踪篇

  • CVPR 2020 论文大盘点-文本图像篇

  • CVPR 2020 论文大盘点-语义分割篇

  • CVPR 2020 论文大盘点-实例分割篇

  • CVPR 2020 论文大盘点-图像分割完整篇

  • CVPR 2020 论文大盘点-抠图Matting篇

  • CVPR 2020 论文大盘点-行人检测与重识别篇

  • CVPR 2020 论文大盘点-全景分割与视频目标分割篇

  • CVPR 2020 论文大盘点-医学影像处理识别篇

备注:增强

图像增强与质量评价交流群

图像增强、去雾、去雨、图像修补、图像恢复等技术,

若已为CV君其他账号好友请直接私信。

我爱计算机视觉

微信号:aicvml

QQ群:805388940

微博知乎:@我爱计算机视觉

投稿:[email protected]

网站:www.52cv.net

在看,让更多人看到  

你可能感兴趣的:(CVPR 2020 论文大盘点-图像增强与图像恢复篇)