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 모델을 이용한 개념 기반 시각적 반사실적 설명
SeT-Diff: HPC 텔레메트리 및 시계열을 위한 의미 기반 파운데이션 모델
시계열 예측을 위한 불확실한 구성 요소를 향한 확산 궤적의 차분화
TRE: 확산 언어 모델을 위한 학습 없는 환각 탐지
변수 투영을 통한 다중 스냅샷 스파이크 디컨볼루션의 볼록성 영역 특성화
SurvDiff: 생존 분석을 위한 합성 데이터 생성 디퓨전 모델
중꼬리 주성분 분석
DriftXpress: 투영 RKHS 필드를 통한 고속 드리프팅 모델
MotifRole-Diff: 마스킹 분자 그래프 확산을 위한 위험 최적 역할 인식 손상
컴퓨터 비전 기반 신경학 뇌 활동 거부 아키텍처 및 구현
스코어 기반 확산 모델에서 스코어 근사에서 분포 근사로
예술을 위한 확산 모델 언박싱: 인터랙티브 모델 벤딩과 실천 기반 설명 가능성
TILT: 모델 내재 보상으로 확산 모델의 구성적 생성 개선
Reasoning Denoiser: 대규모 추론 모델의 환각 탐지를 위한 추론 trace 디노이징
TDiR: 이미지 복원 작업을 위한 트랜스포머 기반 확산
디퓨전 모델을 이용한 심장 볼륨 재구성을 위한 잠재 공간 보간 학습
Delving into Latent Spectral Biasing of Video VAEs for Superior Diffusability
GeoDiff-SAR: 기하학적 사전정보 기반 SAR 영상 생성 확산 모델
종단 다중 매개변수 MRI 분석을 위한 에너지 기반 조직 매니폴드
PersonaGesture: Single-Reference Co-Speech Gesture Personalization for Unseen Speakers
Self Gradient Forcing: 네이티브 장기 영상 외삽
의료 영상 인페인팅에서의 확산 모델: 과제, 해결책 분류체계 및 향후 방향
확산 모델의 노출 바이어스(exposure bias) 감소를 위한 스펙트럴 사전
InnoText: 시각 텍스트 생성 및 편집을 위한 통합 모델
TRaM-VSR: 원스텝 확산 비디오 초해상화를 위한 중요도 인식 토큰 라우팅 및 병합
레벨셋 진화에서 임계값 최적화로: 이미지 분할을 위한 그레이스케일 레벨셋 프레임워크
Twins: Focal Loss로 통합 표현 예측 학습
병렬 텍스트 생성을 위한 Gumbel Distillation
확산 언어 모델 추론을 위한 단순 정책 그래디언트
CLOAK: 잠재 확산 기반 데이터 난독화를 위한 대조 학습 가이던스
PILD: 확산 기반 물리 정보 학습
마스크드 디퓨전 언어 모델 학습의 이해와 가속
이산 확산 모델의 차원 무관 수렴: 수반 방정식이 적절한 공간을 유도한다
원자에서 엔트로피까지: 볼록 영역에서 확산 학습을 위한 최적 노이즈 할당
SevDiff: 롱테일 충돌 궤적 생성을 위한 심각도 조건 확산
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.