论文链接:https://arxiv.org/abs/2109.06620 代码链接:https://github.com/jianzhangcs/DAGL 作者单位:北京大学深圳研究生院 & 鹏城实验室

自然图像中的非局部自相似性已被证实是图像恢复的有效先验。然而,大多数现有的深度非局部方法为每个查询项分配固定数量的邻域块,忽略了非局部相关性的动态。此外,非局部相关性通常基于像素,容易因图像退化而产生偏差。为了纠正这些弱点,在本文中,我们提出了一种动态注意图学习模型(DAGL)来探索图像恢复块级别的动态非局部属性。具体来说,我们提出了一种改进的图模型,以对每个节点具有动态和自适应数量的邻居执行逐块图卷积。通过这种方式,图像内容可以通过其连接的邻域的数量自适应地平衡过度平滑和过度锐化的伪影,并且块方式的非局部相关性可以增强消息传递过程。各种图像恢复任务的实验结果:合成图像去噪、真实图像去噪、图像去马赛克和压缩伪影减少表明,我们的 DAGL 可以产生具有卓越精度和视觉质量的最新结果。

成为VIP会员查看完整内容
13

相关内容

图像复原(image restoration)即利用退化过程的先验知识,去恢复已被退化图像的本来面目。图像复原技术主要是针对成像过程中的“退化”而提出来的,而成像过程中的“退化”现象主要指成像系统受到各种因素的影响,诸如成像系统的散焦、设备与物体间存在相对运动或者是器材的固有缺陷等,导致图像的质量不能够达到理想要求。
专知会员服务
35+阅读 · 2021年9月15日
【WWW2021】少样本图学习分子性质预测
专知会员服务
35+阅读 · 2021年2月20日
【WWW2021】用于常识知识提取的高级语义
专知会员服务
11+阅读 · 2021年2月16日
【AAAI2021】协同挖掘:用于稀疏注释目标检测的自监督学习
[WSDM2021]用于边缘流异常检测的频率因子分解
专知会员服务
11+阅读 · 2020年11月24日
【CVPR2020-Oral】用于深度网络的任务感知超参数
专知会员服务
25+阅读 · 2020年5月25日
基于深度学习的超分辨率图像技术一览
计算机视觉life
4+阅读 · 2020年1月11日
图像超分辨率网络:RCAN
极市平台
7+阅读 · 2019年8月18日
Deep Image Prior——图像恢复入门
中国人工智能学会
15+阅读 · 2019年2月16日
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
Arxiv
0+阅读 · 2021年11月5日
Arxiv
30+阅读 · 2019年3月13日
VIP会员
相关VIP内容
专知会员服务
35+阅读 · 2021年9月15日
【WWW2021】少样本图学习分子性质预测
专知会员服务
35+阅读 · 2021年2月20日
【WWW2021】用于常识知识提取的高级语义
专知会员服务
11+阅读 · 2021年2月16日
【AAAI2021】协同挖掘:用于稀疏注释目标检测的自监督学习
[WSDM2021]用于边缘流异常检测的频率因子分解
专知会员服务
11+阅读 · 2020年11月24日
【CVPR2020-Oral】用于深度网络的任务感知超参数
专知会员服务
25+阅读 · 2020年5月25日
相关资讯
基于深度学习的超分辨率图像技术一览
计算机视觉life
4+阅读 · 2020年1月11日
图像超分辨率网络:RCAN
极市平台
7+阅读 · 2019年8月18日
Deep Image Prior——图像恢复入门
中国人工智能学会
15+阅读 · 2019年2月16日
基于GAN的极限图像压缩框架
论智
11+阅读 · 2018年4月15日
微信扫码咨询专知VIP会员