# 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
tellmewhoisi1 小时前
深度学习0:数学知识:最大似然推导过程
人工智能·深度学习·概率论
罗西的思考20 小时前
【轻量化复现大模型 / KIMI K3】训练模块梳理 & Muon P2P 优化器
人工智能·深度学习·机器学习
伞伞悦读1 天前
【第90期】KNN分类回归流水线与K值对照的实验与排查
大数据·人工智能·python·深度学习·机器学习
会飞锦鲤1 天前
基于 RT-DETR 的 PCB 缺陷检测
深度学习·目标检测·计算机视觉·pyqt5·rt-detr·工业质检·pcb缺陷检测
高洁012 天前
世界模型的因果内核:从预测表象到理解机制
人工智能·python·深度学习·transformer·迁移学习
意念回复2 天前
从 RNN 到 GQA:自注意力与多头注意力机制全解析
人工智能·rnn·深度学习
哈尔滨张谦蛋3 天前
兰州大学 · 甘肃省可穿戴装备重点实验室 · 2027年博士招生
人工智能·深度学习
chh5634 天前
从 BERT 到大模型:让模型从“会接龙”到“会回答
人工智能·深度学习·bert
汤姆宝库4 天前
RoPE旋转位置编码的实现与长上下文外推
python·深度学习·机器学习