4 个月前

基于超网络的自适应图像恢复

基于超网络的自适应图像恢复

摘要

自适应图像恢复模型能够在推理时恢复具有不同退化程度的图像,而无需重新训练模型。我们提出了一种方法,该方法具有高精度,并且能够显著减少参数数量。与现有方法不同,我们的方法可以使用单个固定大小的模型来恢复图像,无论退化程度的数量如何。在流行的数据库中,我们的方法在多种图像恢复任务(包括去噪、去JPEG伪影和超分辨率)方面均取得了最先进的结果,在模型大小和精度上表现出色。

代码仓库

ifryed/HyperRes
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
color-image-denoising-on-cbsd68-sigma15HyperRes
PSNR: 34.02
SSIM: 0.95
color-image-denoising-on-cbsd68-sigma25HyperRes
PSNR: 31.41
SSIM: 0.89
color-image-denoising-on-cbsd68-sigma35HyperRes
PSNR: 29.8
SSIM: 0.85
color-image-denoising-on-cbsd68-sigma45HyperRes
PSNR: 28.64
SSIM: 0.81
color-image-denoising-on-cbsd68-sigma5HyperRes
PSNR: 39.96
SSIM: 0.98
color-image-denoising-on-cbsd68-sigma55HyperRes
PSNR: 27.78
SSIM: 0.78
color-image-denoising-on-cbsd68-sigma65HyperRes
PSNR: 27.06
SSIM: 0.76
color-image-denoising-on-cbsd68-sigma75HyperRes
PSNR: 26.46
SSIM: 0.73
color-image-denoising-on-cbsd68-sigma85HyperRes
PSNR: 25.95
SSIM: 0.71
image-super-resolution-on-set5-2x-upscalingHyperRes
PSNR: 36.69
SSIM: 0.94
image-super-resolution-on-set5-3x-upscalingHyperRes
PSNR: 29.77
SSIM: 0.84
image-super-resolution-on-set5-5x-upscalingHyperRes
PSNR: 25.63
SSIM: 0.74
image-super-resolution-on-set5-6x-upscalingHyperRes
PSNR: 24.92
SSIM: 0.71
jpeg-artifact-correction-on-live1-quality-10-1HyperRes
PSNR: 28.81
SSIM: 0.82
jpeg-artifact-correction-on-live1-quality-30-1HyperRes
PSNR: 32.56
SSIM: 0.91
jpeg-artifact-correction-on-live1-quality-50HyperRes
PSNR: 34.39
SSIM: 0.94
jpeg-artifact-correction-on-live1-quality-70HyperRes
PSNR: 36.38
SSIM: 0.96
jpeg-artifact-correction-on-live1-quality-80HyperRes
PSNR: 38.09
SSIM: 0.97

用 AI 构建 AI

从想法到上线——通过免费 AI 协同编程、开箱即用的环境和市场最优价格的 GPU 加速您的 AI 开发

AI 协同编程
即用型 GPU
最优价格
立即开始

Hyper Newsletters

订阅我们的最新资讯
我们会在北京时间 每周一的上午九点 向您的邮箱投递本周内的最新更新
邮件发送服务由 MailChimp 提供
基于超网络的自适应图像恢复 | 论文 | HyperAI超神经