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.
확산 방정식을 통해 안정화된 조정 가능한 디스펙클링 신경망
비디오 이상 탐지를 위한 이미지와 합성 이벤트의 불확실성 가중 융합
VRWKV-Editor: 트랜스포머 기반 비디오 편집에서 이차 복잡도 줄이기
일상 이미지에서의 양손 3D 손 동작 및 관절 움직임 예측
의료 이미지 분할 작업을 위한 잠재 공간 기반 확산 모델
SenCache: 민감도 인식 캐싱을 통한 확산 모델 추론 가속
Ada3Drift: 원스텝 3D 시각운동 로봇 조작을 위한 적응적 학습 시점 드리프팅
밀집 사전정보 유도 생성형 비디오 압축
노이즈가 있는 선호로부터의 학습: 직접 선호 최적화를 위한 준지도 학습 접근법
독립적인 샘플, 상관된 분산: 경로 추적 스테레오 데이터에서 학습 가능한 교차 뷰 단서
영상 부호화 표준에서의 컴포넌트 간 인루프 필터 개관
CrossDistill: 궤적 수준 하이브리드 소수 스텝 증류를 통한 품질과 다양성의 균형
Moonworks Lunara: 예술적 지능(Artistic Intelligence) 모델링
스트리밍 비디오 확산 모델 재고찰: 컨텍스트, 실행, 학습
SENSE 가속 뇌 MRI에서 해부학적으로 충실한 아티팩트 억제
단일 광자 비디오 촬영을 위한 시공간 플럭스 프로빙
PixelART: 잠재 표현 또는 텍스트-이미지 사전학습 없이 이미지-층 분해
조화로운 계획과 렌더링: 시각적 텍스트 생성을 위한 자기회귀 레이아웃과 확산 모델의 딥퓨전
비디오 확산 모델은 왜 물리를 위반하는가? 어텐션 메커니즘의 결함 규명
VISTA: 비디오가 주입된 양식화 텍스트-애니메이션 생성
확산 기반 세그멘테이션에 대한 재고: 모델은 언제 노이즈 상태에 의존하며, 확산 과정은 정말 중요한가?
감정 프롬프트를 넘어: Valence-Arousal-Dominance 기반 세밀한 텍스트-투-이미지 생성
AlignMorph: 명시적 의미 수송을 통한 튜닝 없는 디퓨전 이미지 모핑
ZVeC: 인스턴스 수준 차량 추출 및 생성적 포인트 클라우드 완성을 위한 제로샷 프레임워크
PixelDiT2: 표현 그라운딩 기반 픽셀 확산 트랜스포머
WorldCrafter: 암시적 3D 인식 메모리를 갖춘 일관된 비디오 월드 모델
DnA: 시각 태스크를 위한 디노이징 어텐션
지울 것인가, 지우지 않을 것인가: 보존 인식 적응형 순위 부분공간 확장을 통한 견고한 학습 없는 개념 소거
동정맥루 비침습 혈류 탐지를 위한 심층 디노이징 오토인코더 기반 방법
Hidden-Shot: 저수준 비전 제너럴리스트 모델의 원샷 태스크 일반화를 향하여
Semi-Supervised Biomedical Image Segmentation via Diffusion Models and Teacher-Student Co-Training
Hybrid Event Frame Sensors: Modeling, Calibration, and Simulation
JanusMesh: 교차 공간 디노이징을 통한 빠르고 제로샷 3D 시각 착시 생성
플러그-앤-플레이 사전분포로서의 확산 모델
TQD-Track: 3D 다중 객체 추적을 위한 시간적 쿼리 디노이징(Temporal Query Denoising)
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.