Papers with Code 아카이브
Image Restoration
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 13
- 평가표
- 3
- 보존된 평가 기록
- 17
Image Restoration is a family of inverse problems for obtaining a high quality image from a corrupted input image. Corruption may occur due to the image-capture process (e.g., noise, lens blur), post-processing (e.g., JPEG compression), or photography in non-ideal conditions (e.g., haze, motion blur).
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
이미지 디블러링 및 그 너머를 위한 효율적인 Concertormer
확산 방정식을 통해 안정화된 조정 가능한 디스펙클링 신경망
MambaX: 상태 예측 제어를 이용한 이미지 초해상도
ULF-Synth: 소아 신경영상을 위한 물리 기반 초저자기장 MRI 개선
다목적 비디오 코딩에서의 최적화된 적응형 루프 필터
SENSE 가속 뇌 MRI에서 해부학적으로 충실한 아티팩트 억제
C$^{2}$-INR: 맞춤형 합성곱 암시적 신경 표현
픽셀 강도 제약과 희소 그래디언트 사전을 활용한 이진 및 패턴 영상의 블라인드 디컨볼루션
Patch-to-Global: 전체 슬라이드 이미지에서 전역 일관 메가픽셀 아티팩트 인페인팅을 위한 랜덤 패치 확산
PrismGPT: 자체 합성 추론을 활용한 영역 인식 사진 편집을 위한 대리 유도 학습
Hidden-Shot: 저수준 비전 제너럴리스트 모델의 원샷 태스크 일반화를 향하여
상태 의존적 순방향 확산을 이용한 효율적 이미지 복원
난류 열화 추정 및 적외선 비디오 복원의 공동 수행을 위한 물리적 사전 정보 기반 협력 학습 프레임워크
엔드 투 엔드 실세계 이미지 안개 제거를 위한 백본 불변 확률적 섭동 학습
LowAux-RDNet: 단일 이미지 반사 제거를 위한 저역 통과 잔차 감독과 장면 균형 실세계 학습
$γ$-Bridge: Look-파라미터 확산 브리지
전자현미경 이미징에서 현실감과 충실도의 균형을 위한 주파수 인식 이중 스트림 학습
푸리에 변환과 결합한 다중 스케일 어텐션 기반 저조도 이미지 향상
LoTA-N2N: 제로샷 자기지도 이미지 노이즈 제거를 위한 지역 흔적 적응
확률적 역학을 통한 이미지 인페인팅
UniGen-AR: 자기회귀 모델링을 통한 통합 시각 생성
TDiR: 이미지 복원 작업을 위한 트랜스포머 기반 확산
의료 영상 인페인팅에서의 확산 모델: 과제, 해결책 분류체계 및 향후 방향
어텐션에서 주파수로: 향상된 이미지 디블러링을 위한 Vision Transformer와 FFT-ReLU 통합
RealVDeblur: One-Step Diffusion for Generalizable Real-World Video Deblurring
3D-GIMP: When 3D Gaussian Inpainting Meets PatchMatch
파인튜닝된 Cycle-Consistent Adversarial Network를 활용한 치과 CBCT 비지도 금속 아티팩트 감소
디포커스 디블러링을 위한 RealDefocus 벤치마크
Causal-AgentIR: 적응형 이미지 복원 에이전트를 위한 자기 진화형 인과 메모리
교차 모달리티 매니폴드 불일치 분리: 가시광 확산 사전분포를 활용한 적외선 초해상도
DART: 아카이브 필름 복원을 위한 열화 인식 순환 트랜스포머
강건한 선형 편광 추정을 위한 Stokes 정보 기반 확산
적응형 정체성 앵커링: 비디오 얼굴 스와핑을 위한 합성 페어드 지도의 폐루프 키프레임 배치
CLUIE: 수중 이미지 향상을 위한 군집 인식 순환 전파와 국소 구조 보상
Texture++: 영역 인식 확산 모델을 활용한 3D 에셋 텍스처 해상도 향상
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.