#368 · 主分类： 计算机视觉
MIRNet
attention-mechanism
computer-vision
eccv2020
image-denoising
image-enhancement
image-restoration
low-level-vision
multi-resolution-streams
pytorch
super-resolution
[ECCV 2020] 学习丰富特征用于真实图像恢复和增强。在图像去噪、超分辨率和图像增强方面取得SOTA结果。
项目最后更新：04/18/24
GitHub Stars
724
Forks数量
97
贡献者数量
2
许可证
Other
收录理由
MIRNet 是一套面向低层视觉任务的卷积网络，覆盖图像去噪、超分辨率与通用增强等场景，在该领域常被作为对比或参考的基线。它的核心思路是在整个网络中维持高分辨率特征的空间精度，同时从低分辨率分支获取丰富的上下文信息，这种多分辨率交互的设计对后续许多复原模型产生了直接影响。仓库提供了 ECCV 2020 论文对应的 PyTorch 训练与测试代码、预训练权重以及评估脚本，照着跑就能复现论文结果，想改造成自己的处理流程也相当方便。不过采用前需要留意一点：项目采用非商业许可，这意味着大多数产品化用途都会被限制，更适合学术研究或内部实验。
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。