Notice
Recent Posts
Recent Comments
Link
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 |
Tags
- hypergraph
- Zero-Shot sr
- Referense Super Resoltuion
- Graph
- LIIF
- deep learning
- Super-Resolution
- SISR
- TAAM
- ConvNeXt
- Cityscapes
- INR
- implicit representation
- TRANSFORMER
- Cell detection
- CrossNet
- Tissue segmentation
- ADE20K
- FRFSR
- Reference-based SR
- arbitrary scale
- DIINN
- Cell-tissue
- GNN
- Reference Super-Resolution
- graph neural network
- Feature reuse
- session-based recommendation
- GNN in image
- SegFormer
Archives
- Today
- Total
목록ZSSR (1)
딥러닝 분석가 가리
![](http://i1.daumcdn.net/thumb/C150x150/?fname=https://blog.kakaocdn.net/dn/kUdfC/btrVfi6HU6Q/5kIRgT50ckSI62teK6ZSgK/img.png)
"Zero-Shot" Super-Resolution using Deep Internal Learning Abstract 지난 몇년동안 Deep Learning은 SR(Super-Resolution, 초고해상도)에서 뛰어난 성능을 보여주었다. 하지만, 지도학습 기반의 SR 방법은 특정한 데이터셋에서만 제한적이다. HR(High-Resolution) 이미지로 부터 bicubic dwonscaling 방법과 같은 미리 정해진 방법으로 LR(Low-Resolution) 이미지 획득한다. 실제 LR 이미지는 위와 같은 방법을 따르는 경우는 드물기 때문에, SOTA 방법을 적용하면 SR의 결과가 좋지 않다. 그래서 "Zero-Shot" SR 방법을 소개한다. Deep Learning에 의존하지만, 사전 학습된 것에..
딥러닝 논문 리뷰
2023. 1. 3. 22:02