일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | |||||
3 | 4 | 5 | 6 | 7 | 8 | 9 |
10 | 11 | 12 | 13 | 14 | 15 | 16 |
17 | 18 | 19 | 20 | 21 | 22 | 23 |
24 | 25 | 26 | 27 | 28 | 29 | 30 |
- Super-Resolution
- hypergraph
- Reference Super-Resolution
- Cell-tissue
- Cityscapes
- ADE20K
- LIIF
- Tissue segmentation
- Cell detection
- graph neural network
- FRFSR
- Graph
- Reference-based SR
- CrossNet
- SegFormer
- session-based recommendation
- GNN
- implicit representation
- Feature reuse
- SISR
- deep learning
- INR
- Zero-Shot sr
- arbitrary scale
- Referense Super Resoltuion
- DIINN
- TAAM
- ConvNeXt
- TRANSFORMER
- GNN in image
- Today
- Total
목록INR (2)
딥러닝 분석가 가리
"Single Image Super-Resolution via a Dual Interactive Implicit Neural Network" Abstract 이 논문에서는, 임의의 크기로 SR 하기 위해 implicit neural network(INR)을 사용한 SISR을 소개한다. 이것을 하기 위해, 이미지내의 위치와 연관된 특징을 이미지의 상호간의 픽셀 속성들에 map 해주는 디코딩 함수를 통해 이미지를 표현한다. 픽셀의 위치가 연속적인 표현이 되므로, 제안하는 방법은 이미지가 다양한 해상도에서 임의의 위치를 참조할 수 있다. 특정 이미지의 해상도를 검색하려면, 출력 이미지에서 픽셀의 중심을 각각 지정하는 위치의 그리드에 디코딩 함수를 적용한다. 다른 기술과 대조적으로, dual interactiv..
"Learning Continuous Image Representation with Local Implicit Image Function" Abstract Visual 세계가 연속적인 방법으로 표현되는 동안, 기계들은 픽셀들의 2D 배열로 이미지들을 분리된 방식으로 저장하고 본다. 이 논문에서는, 이미지의 연속적인 표현을 배우는 방법을 찾는다. Implicit neural representation (INR)을 사용한 3D reconstruction에 영감을 받아, 이미지 좌표와 좌표 주변의 2D deep feature를 입력으로 하여, 주어진 좌표의 RGB 값을 예측하는 Local Implicit Image Function (LIIF)를 제안한다. 좌표들이 연속적이기 때문에, LIIF는 arbitrar..