# Kernel Prediction Networks DENOISE

文章目录

  • [Kernel Prediction Networks DENOISE](#Kernel Prediction Networks DENOISE)
    • [1.【论文复现】Kernel Prediction Networks](#1.【论文复现】Kernel Prediction Networks)
    • [2. Burst Denoising with Kernel Prediction Networks cvpr2018](#2. Burst Denoising with Kernel Prediction Networks cvpr2018)
    • [3. MULTI-KERNEL PREDICTION NETWORKS FOR DENOISING OF BURST IMAGES](#3. MULTI-KERNEL PREDICTION NETWORKS FOR DENOISING OF BURST IMAGES)
    • [4. Weighted Multi-Kernel Prediction Network for Burst Image Super-Resolution](#4. Weighted Multi-Kernel Prediction Network for Burst Image Super-Resolution)

Kernel Prediction Networks DENOISE

1.【论文复现】Kernel Prediction Networks

https://zhuanlan.zhihu.com/p/73349632

2. Burst Denoising with Kernel Prediction Networks cvpr2018

https://openaccess.thecvf.com/content_cvpr_2018/papers/Mildenhall_Burst_Denoising_With_CVPR_2018_paper.pdf

效果还是很好的

博客:https://blog.csdn.net/zbwgycm/article/details/80987721

代码:https://github.com/google/burst-denoising

3. MULTI-KERNEL PREDICTION NETWORKS FOR DENOISING OF BURST IMAGES

和 2 挺接近:

主要是预测不同 kernel size的kernel.

另外为了减少计算量:

  1. 预测 n x n的kennel 改为 2 x n, 2维变1维 吗, 核分离技术
  2. inference的时候 先将各种kernel合并为一个

其他和2 基本一致:

使用 L2 灰度损失 和 L1梯度损失, 训练的时候采用退火训练方法。

效果比2好:

第1行是本文,第二行是 2 文, 其他是kernel size的大小,但是是分离的1d kernel, 所以计算成本比2d kernel小。

4. Weighted Multi-Kernel Prediction Network for Burst Image Super-Resolution

相比3 主要是引入 各个kernel的weight

比如 kernel size为1 ,3, 5.。。 的kernel 的weight, 3中是求平均,这里会预测weight, 然后加权。

code:https://github.com/chowy333/WMKPN-Burst_Super-Resolution

相关推荐
IMER SIMPLE4 小时前
人工智能-python-深度学习-经典神经网络AlexNet
人工智能·python·深度学习
UQI-LIUWJ7 小时前
unsloth笔记:运行&微调 gemma
人工智能·笔记·深度学习
THMAIL7 小时前
深度学习从入门到精通 - 生成对抗网络(GAN)实战:创造逼真图像的魔法艺术
人工智能·python·深度学习·神经网络·机器学习·生成对抗网络·cnn
北京地铁1号线7 小时前
GPT(Generative Pre-trained Transformer)模型架构与损失函数介绍
gpt·深度学习·transformer
fantasy_arch8 小时前
9.3深度循环神经网络
人工智能·rnn·深度学习
Shiyuan710 小时前
【检索通知】2025年IEEE第二届深度学习与计算机视觉国际会议检索
人工智能·深度学习·计算机视觉
cyyt12 小时前
深度学习周报(9.1~9.7)
人工智能·深度学习
max50060012 小时前
图像处理:实现多图点重叠效果
开发语言·图像处理·人工智能·python·深度学习·音视频
西猫雷婶16 小时前
scikit-learn/sklearn学习|广义线性回归损失函数的基本表达式
深度学习·神经网络·学习·机器学习·线性回归·scikit-learn·概率论
IMER SIMPLE16 小时前
人工智能-python-深度学习-神经网络-MobileNet V1&V2
人工智能·python·深度学习