#328 · 主分类： 计算机视觉
daclip-uir
all-in-one-image-restoration
deep-learning
diffusion-models
face-inpainting
image-deblurring
image-dehazing
image-denoising
image-deraining
image-desnowing
image-restoration
jpeg-artifacts-removal
low-level-vision
low-light-image-enhancement
prompt
pytorch
shadow-removal
vision-language
[ICLR 2024] 控制视觉语言模型实现通用图像恢复。在NTIRE 2024野外任意图像恢复挑战赛中荣获第5名。
项目最后更新：08/07/24
GitHub Stars
816
Forks数量
51
贡献者数量
2
许可证
MIT
收录理由
DA-CLIP 针对的是图像修复领域一个很实际的痛点：传统工具往往只能处理单一类型的退化，比如去模糊、去雾、降噪、去雨、去雪、低光增强、JPEG 伪影消除或阴影去除，每一样都要单独训练一个网络。这个项目换了一种思路，用同一个模型先自动判断图像存在哪些问题，再通过扩散模型流程统一修复。仓库里提供了预训练权重、Gradio 界面，以及 Colab 和 Hugging Face 在线演示，你可以直接拿自己的照片试效果，不必先投入训练成本。论文发表在 ICLR 2024，后续还推出了针对真实世界混合退化的 wild-IR 模型，对想扩展新退化类型的研究者来说，是一个扎实的基线和方便的起点。
相关文章
暂无针对该项目的文章。
如需补充新闻资讯、使用教程、应用测评等内容，欢迎 联系我们推荐选题或投稿。