ECCV 2020 論文大盤點-去霧去雨去模糊篇
去霧、去雨、去模糊是三個不同的方向,之前的盤點:
CVPR 2020 論文大盤點-去雨去霧去模糊篇
,引起了不少朋友的興趣。
本文盤點 ECCV 2020中去霧(
Single Image Dehazing
)、去雨(
Deraining
)、去模糊(
Deblurring
)相關論文,總計12篇,2 篇去霧、2 篇去雨、8 篇去模糊。6篇開源或將開源。
下載包含這些論文的 ECCV 2020 所有論文:
影象去霧(Image Dehazing)
HardGAN: A Haze-Aware Representation Distillation GAN for Single Image Dehazing
作者 | Qili Deng, Ziling Huang, Chung-Chi Tsai, Chia-Wen Lin
單位 | 臺灣清華大學;位元組跳動;高通公司
論文 |
https://www。
ecva。net/papers/eccv_20
20/papers_ECCV/papers/123510715。pdf
程式碼 |
https://
github。com/huangzilingc
v/HardGAN
(未)
備註 | ECCV 2020
所提出方法除了可以處理具有均勻霧度的影象,還可以很好地去除影象中密集的非均勻霧度。
Physics-based Feature Dehazing Networks
作者 | Jiangxin Dong, Jinshan Pan
單位 | 馬普所;南理工
論文 |
https://www。
ecva。net/papers/eccv_20
20/papers_ECCV/papers/123750188。pdf
備註 | ECCV 2020
基於物理特徵的去霧模型。
去雨(deraining)
Rethinking Image Deraining via Rain Streaks and Vapors
作者 | Yinglong Wang, Yibing Song, Chao Ma, Bing Zeng
單位 | 電子科技大學;騰訊;上海交通大學
論文 |
https://
arxiv。org/abs/2008。0082
3
程式碼 |
https://
github。com/yluestc/dera
in
(未)
備註 | ECCV 2020
重新思考雨水條紋和水汽模型成像機理的影象去雨。
Beyond Monocular Deraining: Stereo Image Deraining via Semantic Understanding
作者 | Kaihao Zhang, Wenhan Luo, Wenqi Ren, Jingwen Wang Fang Zhao, Lin Ma , Hongdong Li
單位 | 澳大利亞國立大學;騰訊;中科院等
論文 |
https://www。
ecva。net/papers/eccv_20
20/papers_ECCV/papers/123720069。pdf
備註 | ECCV 2020
使用語義理解的立體影象去雨方法
去模糊 Deblurring
影象盲去模糊
Enhanced Sparse Model for Blind Deblurring
作者 | Liang Chen, Faming Fang, Shen Lei, Fang Li, Guixu Zhang
單位 | 華東師範大學
論文 |
https://www。
ecva。net/papers/eccv_20
20/papers_ECCV/papers/123700630。pdf
備註 | ECCV 2020
Efficient Spatio-Temporal Recurrent Neural Network for Video Deblurring
作者 | Zhihang Zhong, Ye Gao, Yinqiang Zheng, Bo Zheng
單位 | 東京大學;Tokyo Research Center
論文 |
https://www。
ecva。net/papers/eccv_20
20/papers_ECCV/papers/123510188。pdf
程式碼 |
https://
github。com/zzh-tech/EST
RNN
備註 | ECCV 2020 Spotlight
高效時空RNN用於影片去模糊
Multi-Temporal Recurrent Neural Networks For Progressive Non-Uniform Single Image Deblurring With Incremental Temporal Training
作者 | Dongwon Park, Dong Un Kang, Jisoo Kim, Se Young Chun
單位 | 韓國蔚山科技大學(UNIST)
論文 |
https://
arxiv。org/abs/1911。0741
0
備註 | ECCV 2020 Spotlight
多尺度 (MS) 方法被廣泛用於影象/影片的盲去模糊,特別對高空間比例的大型運動引起的嚴重模糊有效。
本文研究 MS 的替代方案:multi-temporal (MT) 方法,用於非均勻單幅影象去模糊。MT方法在GoPro資料集上以最小的引數在PSNR方面優於最先進的MS方法。
Learning Event-Driven Video Deblurring and Interpolation
作者 | Songnan Lin, Jiawei Zhang, Jinshan Pan, Zhe Jiang, Dongqing Zou, Yongtian Wang, Jing Chen, Jimmy Ren
單位 | 北京理工大學;商湯;南京理工大學
論文 |
https://www。
ecva。net/papers/eccv_20
20/papers_ECCV/papers/123530681。pdf
備註 | ECCV 2020
學習事件驅動的影片去模糊和插值。
Defocus Deblurring Using Dual-Pixel Data
作者 | Abdullah Abuolaim, Michael S。 Brown
單位 | 約克大學;三星
論文 |
https://
arxiv。org/abs/2005。0030
5
程式碼 |
https://
github。com/Abdullah-Abu
olaim/defocus-deblurring-dual-pixel
主頁 |
https://www。
eecs。yorku。ca/~abuolaim
/eccv_2020_dp_defocus_deblurring/
備註 | ECCV 2020
使用深度學習對散焦影象去模糊,論文的關鍵貢獻是構建了500個場景(2000幅影象)的訓練資料集。其中每個場景都有:在大光圈下捕捉到的具有虛化模糊的影象, 兩個相關的DP子光圈檢視;以及用小光圈拍攝的相應全焦影象。資料、程式碼、模型均開源。
非盲目影象去模糊
End-to-end Interpretable Learning of Non-blind Image Deblurring
作者 | Thomas Eboli, Jian Sun, Jean Ponce
單位 | 巴黎文理研究大學;西安交通大學
論文 |
https://
arxiv。org/abs/2007。0176
9
程式碼 |
https://
github。com/teboli/CPCR
備註 | ECCV 2020
Real-World Blur Dataset for Learning and Benchmarking Deblurring Algorithms
作者 | Jaesung Rim, Haeyun Lee, Jucheol Won, Sunghyun Cho
單位 | DGIST;浦項科技大學
論文 |
https://www。
ecva。net/papers/eccv_20
20/papers_ECCV/papers/123700188。pdf
程式碼 |
https://
github。com/rimchang/Rea
lBlur
備註 | ECCV 2020
提出一個大規模的真實世界模糊影象和 ground truth 銳利影象的資料集,用於學習和基準測試單一影象去模糊方法。
影象盲去模糊
OID: Outlier Identifying and Discarding in Blind Image Deblurring
作者 | Liang Chen, Faming Fang, Jiawei Zhang, Jun Liu, Guixu Zhang
單位 | 華東師範大學;商湯;東北師範大學
論文 |
https://www。
ecva。net/papers/eccv_20
20/papers_ECCV/papers/123700596。pdf
備註 | ECCV 2020
提出一種新策略,異常識別與丟棄(OID),在更新隱影象和 blur kernel 的過程中,迭代識別和丟棄異常值。與最近的技術相比,該模型不需要任何 heuristic 邊緣選擇步驟或複雜的噪聲過濾預處理。