3 个月前

面向高效且尺度鲁棒的超高清图像去马赛克

面向高效且尺度鲁棒的超高清图像去马赛克

摘要

随着移动设备的快速发展,现代主流智能手机通常具备拍摄4K分辨率(即超高清)图像的能力。然而,在低层视觉任务中极具挑战性的图像去摩尔纹(image demoiréing)问题,现有研究大多基于低分辨率或合成图像开展,因此这些方法在4K分辨率图像上的实际效果尚不明确。本文首次系统研究超高清图像的摩尔纹去除问题。为此,我们提出了首个超高清去摩尔纹数据集UHDM,包含5000对真实的4K分辨率图像,同时对当前最先进的方法进行了基准测试。此外,我们设计了一种高效的基准模型ESDNet,用于处理4K摩尔纹图像。该模型引入了一个语义对齐的尺度感知模块,以有效应对摩尔纹图案在尺度上的多样性变化。大量实验结果表明,所提方法在性能上显著优于现有最先进方法,同时模型结构更为轻量化。相关代码与数据集已公开,访问地址为:https://xinyu-andy.github.io/uhdm-page。

代码仓库

CVMI-Lab/UHDM
官方
pytorch
GitHub 中提及

基准测试

基准方法指标
image-enhancement-on-tip-2018ESDNet-L
PSNR: 30.11
SSIM: 0.920
image-enhancement-on-tip-2018ESDNet
PSNR: 29.81
SSIM: 0.916
image-restoration-on-uhdmESDNet
PSNR: 22.119
image-restoration-on-uhdmESDNet-L
PSNR: 22.422

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
面向高效且尺度鲁棒的超高清图像去马赛克 | 论文 | HyperAI超神经