Papers with Code 아카이브
Denoising
태스크의 하위 분류와 논문·코드·평가·기법·데이터셋을 탐색하세요.
- 하위 태스크
- 6
- 평가표
- 6
- 보존된 평가 기록
- 15
Denoising is a task in image processing and computer vision that aims to remove or reduce noise from an image. Noise can be introduced into an image due to various reasons, such as camera sensor limitations, lighting conditions, and compression artifacts. The goal of denoising is to recover the original image, which is considered to be noise-free, from a noisy observation.
<span style="color:grey; opacity: 0.6">( Image credit: Beyond a Gaussian Denoiser )</span>
논문
이 태스크와 하위 분야의 관련 논문입니다. 실제 성능 비교는 평가 결과에서 확인하세요.
효율적인 추론을 향하여: 확산 언어 모델을 위한 인과적 지름길 학습
국소화된 디퓨전 모델
혼합 정밀도 양자화를 위한 태스크 인지 QUBO 할당
TinyUDE: 리-테일러 제트 매칭을 통한 마이크로컨트롤러 기반의 솔버 없는 범용 미분 방정식
희소 데이터를 위한 스펙트럴 연결성 사전분포 그래프 학습
진화 변분 오토회귀 네트워크를 통한 이산 확산 모델
I-SplineFlow: 소수 스텝 생성을 위한 단조 스플라인 확률적 보간(Stochastic Interpolant) 스케줄러 학습
적응형 이중상 Rudin--Osher--Fatemi 노이즈 제거 모델
EA-WM: 구조화된 운동학-시각 액션 필드를 갖춘 이벤트 인지 생성 월드 모델
HYDRO: 고충실도 하이브리드 확산 및 타깃 지향 접근을 통한 비가역적 얼굴 식별 해제
생성형 비디오 압축의 정보 용량: 동일 품질에서 전송률-연산 교환의 정량화
InGuard: 안전한 텍스트-이미지 생성을 위한 일반화된 내부 가드레일을 향하여
AWM-VLA: 효율적이고 설명 가능한 비전-언어-행동 정책을 위한 정렬 세계 모델링
DualStabSleepNet: 견고한 수면 단계 분류를 위한 이중 영역 확산 안정화 네트워크
DMM-Align: 이중 역할 확산 모델을 활용한 2D-3D 정합용 폐루프 최적화
하위 반프레임(lower semi-frames)을 이용한 이미지 디노이징
ZoomDiff: 듀얼 카메라의 부드러운 줌을 위한 고충실도 확산 모델
Diff-RF: 열화 인지 학습을 통한 상호 강화 이미지 정합 및 융합
어텐션 마스킹, 잠재 공간 앵커링 및 정제를 통한 제로샷 객체 제거
고차원 잠재 표현의 확산 가능성에 관하여
조건부 텐서 확산: 분포적 반사실 학습 및 추론
정보 기반 마스킹: 확산 대규모 언어 모델의 강화학습을 위한 구조 인지 섭동
실제 대화 음성 향상을 위한 다화자 추출의 과제
dLLM의 디노이징 궤적 최적화: 경량 진화 휴리스틱 접근
CHiME-9 ECHI: 청각 장애 해소를 위한 대화 향상 머신러닝 챌린지
확산 모델이 초안을 작성하고 자기회귀 모델이 검증한다: 자기-투기적 디코딩을 통한 문서 OCR 가속
Flash-dLLM: 빠르고 메모리 효율적인 확산 대규모 언어 모델을 위한 I/O 인식 KV 캐싱 및 병렬 디코딩
PADiff: 애드혹 팀워크를 위한 예측 및 적응형 확산 정책
자기회귀 음성 합성에서 디코딩 순서의 중요성
HybridFlow: 실시간 로봇 조작을 위한 2-NFE 생성 정책
확산 모델과 개념 형성
확산에서 신뢰도의 한계
RF 장애 IBFD MIMO 시스템에서 신호 복원을 위한 에코 상태 네트워크(ESN)
LADDER: 효율적 다중 홉 추론을 위한 그래프 가이드 확산 언어 모델
Uranus: 임바디드 AI(Embodied AI)를 위한 차세대 시뮬레이션 인프라 구축
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.