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.
Vidu S1: 실시간 인터랙티브 비디오 생성 모델
MeanFlowNFT: 평균 속도 생성기에 순방향 과정 강화학습 도입
확산 모델에서 스코어 스무딩의 보간 효과
디퓨전 언어 모델을 위한 마스크 인식 정책 그래디언트
스코어 기반 확산 샘플링에서 확률성의 효과: KL 발산 분석
노이즈 시계열로부터 카오스 동역학을 학습하는 Weak Penalty Neural ODE
CluCERT: 클러스터링 기반 디노이징 스무딩을 통한 LLM 견고성 인증
MIDiff: 다변량-이미징 디퓨전을 통한 모바일 사용 생성의 희소성과 불균형 해결
적분이 중요하다: 제약 확산 모델을 위한 롤아웃 기반 학습
이산 확산 모델 미세조정을 위한 연속 시간 강화학습 프레임워크
Plug-and-Play 이미지 복원을 위한 불일치 Proximal 디노이저의 도메인 적응
스텝 제로에서 끝을 예견하기: MLP 희소성 인식 절단을 통한 확산 MLLM 가속
표현 피드백을 통한 확산 모델의 조건화 잔차
LaViDa: 멀티모달 이해를 위한 대규모 디퓨전 언어 모델
Lavida-O: 통합 멀티모달 이해 및 생성을 위한 탄력적 대규모 마스크드 확산 모델
Sparse-LaViDa: 희소 다중모달 이산 확산 언어 모델
RePlan: 복잡한 지시 기반 이미지 편집을 위한 추론 기반 영역 계획
CoDi -- 저샷 카운팅을 위한 exemplar 조건화 확산 모델
교사 유도 인과 개입을 통한 이미지 디노이징: 비전 트랜스포머에서의 직교적 콘텐츠-노이즈 분리
ACID: 비디오 생성을 위한 적응형 캐싱
고급 이미지 생성: 네거티브 프롬프트 최적화 및 잠재 공간 분류기 가이던스
VQ-Touch: 센서 및 시나리오를 아우르는 데이터 효율적 촉각 생성 프레임워크
FlashDecoder: 트랜스포머 기반 실시간 잠재-픽셀 스트리밍 디코더
드래프트에서 드래프트 없음으로: 특권 증류와 빠른 플랜팅을 통한 1-스텝 영상 객체 제거
SAM 기반 의사 주석과 상태 공간 상호작용 확산을 통한 약지도 RGB-D 현저 객체 검출
QuReC: 쿼리 특이적 가이던스와 지역-전역 응답 보정을 통한 올인원 이미지 복원
다단계 시각 추론을 위한 계층적 디노이징
Text2Sign: 텍스트-수화언어 비디오 생성을 위한 단일 GPU 디퓨전 기준선
스펙클 회귀를 위한 가능도 기반 심층 학습의 미니맥스 이론
신뢰할 수 있는 강수 단기 예측을 위한 안정적인 어텐션 응답
확산 및 플로-매칭 샘플러의 점근적 보존과 균등 정확도
DeepCormack: 모델 기반 데이터 기반 알고리즘을 이용한 페르미 표면 토모그래피
CoDiffGRN: BEELINE-KGC 벤치마크와 공진화 이산 확산을 통한 유전자 조절 네트워크 추론 재고
동시 이미지 이해 및 생성: 자기 교정 결합 마르코프 점프 과정
스트리밍 디퓨전 병목의 역전: 소비자용 GPU에서 비디오 속도의 MLLM 조건 편집 디퓨전
출처: Papers with Code · CC BY-SA 4.0. 아카이브 자료와 새로 수집한 논문은 별도로 관리합니다.