• 问答
  • 技术
  • 实践
  • 资源
ECCV 2020 论文大盘点-去雾去雨去模糊篇
论文速递
来源:我爱计算机视觉


本文盘点 ECCV 2020中去雾(Single Image Dehazing)、去雨(Deraining)、去模糊(Deblurring)相关论文,总计12篇,2 篇去雾、2 篇去雨、8 篇去模糊。6篇开源或将开源。

下载包含这些论文的 ECCV 2020 所有论文:

[ECCV 2020 论文合集下载,分类盘点进行中​mp.weixin.qq.com图标

图像去雾(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

单位 | 台湾清华大学;字节跳动;高通公司

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123510715.pdf

代码 | https://github.com/huangzilingcv/HardGAN(未)

备注 | ECCV 2020

所提出方法除了可以处理具有均匀雾度的图像,还可以很好地去除图像中密集的非均匀雾度。

Physics-based Feature Dehazing Networks

作者 | Jiangxin Dong, Jinshan Pan

单位 | 马普所;南理工

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123750188.pdf

备注 | ECCV 2020

基于物理特征的去雾模型。

去雨(deraining)

Rethinking Image Deraining via Rain Streaks and Vapors

作者 | Yinglong Wang, Yibing Song, Chao Ma, Bing Zeng

单位 | 电子科技大学;腾讯;上海交通大学

论文 | https://arxiv.org/abs/2008.00823

代码 | https://github.com/yluestc/derain(未)

备注 | ECCV 2020

重新思考雨水条纹和水汽模型成像机理的图像去雨。

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

单位 | 澳大利亚国立大学;腾讯;中科院等

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123720069.pdf

备注 | ECCV 2020

使用语义理解的立体图像去雨方法

去模糊 Deblurring

图像盲去模糊

Enhanced Sparse Model for Blind Deblurring

作者 | Liang Chen, Faming Fang, Shen Lei, Fang Li, Guixu Zhang

单位 | 华东师范大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123700630.pdf

备注 | ECCV 2020

Efficient Spatio-Temporal Recurrent Neural Network for Video Deblurring

作者 | Zhihang Zhong, Ye Gao, Yinqiang Zheng, Bo Zheng

单位 | 东京大学;Tokyo Research Center

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123510188.pdf

代码 | https://github.com/zzh-tech/ESTRNN

备注 | ECCV 2020 Spotlight

高效时空RNN用于视频去模糊

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

单位 | 韩国蔚山科技大学(UNIST)

论文 | https://arxiv.org/abs/1911.07410

备注 | ECCV 2020 Spotlight

多尺度 (MS) 方法被广泛用于图像/视频的盲去模糊,特别对高空间比例的大型运动引起的严重模糊有效。

本文研究 MS 的替代方案:multi-temporal (MT) 方法,用于非均匀单幅图像去模糊。MT方法在GoPro数据集上以最小的参数在PSNR方面优于最先进的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

单位 | 北京理工大学;商汤;南京理工大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123530681.pdf

备注 | ECCV 2020

学习事件驱动的视频去模糊和插值。

Defocus Deblurring Using Dual-Pixel Data

作者 | Abdullah Abuolaim, Michael S. Brown

单位 | 约克大学;三星

论文 | https://arxiv.org/abs/2005.00305

代码 | https://github.com/Abdullah-Abuolaim/defocus-deblurring-dual-pixel

主页 | https://www.eecs.yorku.ca/\~abuolaim/eccv\_2020\_dp\_defocus\_deblurring/

备注 | ECCV 2020

使用深度学习对散焦图像去模糊,论文的关键贡献是构建了500个场景(2000幅图像)的训练数据集。其中每个场景都有:在大光圈下捕捉到的具有虚化模糊的图像, 两个相关的DP子光圈视图;以及用小光圈拍摄的相应全焦图像。数据、代码、模型均开源。

Defocus Deblurring Using Dual Pixel Data_腾讯视频​v.qq.com图标

非盲目图像去模糊

End-to-end Interpretable Learning of Non-blind Image Deblurring

作者 | Thomas Eboli, Jian Sun, Jean Ponce

单位 | 巴黎文理研究大学;西安交通大学

论文 | https://arxiv.org/abs/2007.01769

代码 | https://github.com/teboli/CPCR

备注 | ECCV 2020

Real-World Blur Dataset for Learning and Benchmarking Deblurring Algorithms

作者 | Jaesung Rim, Haeyun Lee, Jucheol Won, Sunghyun Cho

单位 | DGIST;浦项科技大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123700188.pdf

代码 | https://github.com/rimchang/RealBlur

备注 | ECCV 2020

提出一个大规模的真实世界模糊图像和 ground truth 锐利图像的数据集,用于学习和基准测试单一图像去模糊方法。

图像盲去模糊

OID: Outlier Identifying and Discarding in Blind Image Deblurring

作者 | Liang Chen, Faming Fang, Jiawei Zhang, Jun Liu, Guixu Zhang

单位 | 华东师范大学;商汤;东北师范大学

论文 | https://www.ecva.net/papers/eccv\_2020/papers\_ECCV/papers/123700596.pdf

备注 | ECCV 2020

提出一种新策略,异常识别与丢弃(OID),在更新隐图像和 blur kernel 的过程中,迭代识别和丢弃异常值。与最近的技术相比,该模型不需要任何 heuristic 边缘选择步骤或复杂的噪声过滤预处理。

  • 2
  • 0
  • 2877
收藏
暂无评论
shijie

华南理工

  • 18

    关注
  • 52

    获赞
  • 2

    精选文章
近期动态
  • 目标检测
文章专栏
  • shijie的专栏