图像处理认证作者
-
基于高阶图融合的多视图聚类算法
随着互联网和通信技术的飞速发展,产生了海量的数据, 这些数据往往有着不同的来源或者多样化的表现形式。这一类数据统称为多视图数据。随着多视图数据的维度越来越高。数据量也越来越大,。获…
-
GTK4 继续改进图形卸载和 DMA-BUF 集成
GTK4 博客最新一篇文章表示,在去年首次引入了对 dmabufs 和图形卸载的支持,并将其包含在 GTK 4.14 中。从那时起,GTK4做了一些改进,现在更新了部分功能。 堆栈…
-
通过语义驱动的全息通信丰富远程呈现 | HotNets 23
实现最小化带宽消耗和端到端延迟的最佳平衡,同时保持令人满意的视觉质量水平成为实时交互式全息通信的最终目标,这是 6G 设想的沉浸式远程呈现的基本构建块。考虑到需要传输大量 3D 数…
-
在 Apple iOS 上使用 Vulkan 进行开发的教程
Vulkan® Portability™ 是 Khronos® 的一项倡议,旨在促进 Vulkan 功能的一致使用,这些功能被分层覆盖在其他底层 API 上,以便在没有 Vulka…
-
哪些因素会影响图像质量!
哪些因素会影响图像质量!以下为常见的影响图像质量的因素。 1. 与图像传感器相关的因素 1.1 混叠现象(摩尔效应) 对图片进行离散采样并且采样频率低于目标空间…
-
FSGS: 基于 Gaussian Splatting 的实时 Few-shot 视角合成
这篇文章针对稀疏输入视角的场景,在3DGS的基础上提出了实现实时和高质量渲染的方案。论文主要提出了一个邻近引导的高斯上池化模块,用于优化过程中高斯的稠密化,同时还利用预训练的单目深…
-
CoSeR:连接图像与语言实现认知超分辨率 | CVPR2024
现有的超分辨率(SR)模型主要关注恢复局部纹理细节,而常常忽视掉存在于场景中的整体语义信息。这可能导致遗漏关键的语义细节,或者在恢复过程中引入不准确的纹理。本文提出了认知超分辨率(…
-
使用混合 Transformer-CNN 架构学习图像压缩 | CVPR 2023
与经典图像压缩标准相比,学习图像压缩(LIC)方法已经展现出有希望的进步和卓越的率失真性能。现有的LIC方法大多数是基于卷积神经网络(CNN)或基于Transformer,它们具有…
-
关于图像过曝问题的排查思路
1、问题背景 读者提问,图像在室外遇到过曝的问题,有什么排查思路和改善方法。 2、问题分析 1)先检查一下sensor驱动,对照 sensor datasheet 确认下最小曝光行…
-
使用 C++ 和 OpenGL 创建 3D 渲染引擎的分步指南
在计算机图形世界中,3D 渲染引擎发挥着至关重要的作用,让虚拟世界栩栩如生。如果您是一名崭露头角的游戏开发人员或图形爱好者,希望深入了解三维渲染世界,那么创建自己的渲染引擎将是一次…
-
使用 Numpy 进行图像处理的基础知识
三种方法是使用 python 库 numpy 打开图像:Matplotlib、Opencv 和 Pillow。 Matplotlib 和 Pillow 遵循 RGB,Op…
-
MoFusion:基于去噪扩散的动作合成框架 | CVPR 2023
本文提出了一种基于去噪扩散的、用于高质量人体动作条件合成的框架 MoFusion,该框架可以根据一系列条件上下文(例如文本、音乐)合成时间上可信、语义上准确的长动作序列。此外,本文…
-
同样分辨率的图像, 清晰度差异大嘛?
1、问题背景 在项目调试上,由于带宽限制、平台限制、16:9 宽高比的要求,很多时候我们不会用到 sensor 的全尺寸输出, 而是会通过 sensor、isp、或者其他后处理模块…
-
打开 Camera app 出图,前几帧图像偏暗、偏色该怎样去避免?
1、问题背景 使用的安卓平台,客户的应用是要尽可能快的获取到1帧图像效果正常的图片。 但当打开 camera 启动出流后,前3-5帧图像是偏暗、偏色的,如下图所示,是抓取出流的前2…
-
OctAttention:基于八叉树的大规模上下文点云压缩模型 | AAAI 2022
为解决基于体素的处理点云方法中收集的上下文较少的问题,作者提出了 OctAttention 的拓展上下文的深度学习框架。该框架采用八叉树结构,通过收集点云中兄弟节点和祖先节点的信息…
-
DiffusionGPT:大规模语言模型驱动的文本到图像生成系统
扩散模型为图像生成领域开辟了新途径,导致开源平台上共享的高质量模型激增。然而,当前的文本到图像系统仍然存在一个重大挑战,通常无法处理不同的输入,或者仅限于单一模型结果。目前的统一尝…
-
基于多层次典型相关分析的无监督多图扩散网络算法
研究意义 近年来,无监督多图表示学习(UMGRL)受到了研究者越来越多的关注,其旨在自监督学习的指导下,从多图中学习更具判别性的节点特征。尽管这些设计的UMGRL方法在各种与图相关…
-
嵌入基础模型的高斯溅射
简介:准确感知现实世界中的三维物体的几何和语义属性对于增强现实和机器人应用的持续发展至关重要。为此,本方法提出了嵌入基础模型的高斯溅射(Foundation Model Embed…
-
通过贝叶斯隐式表征来压缩数据 | NeurIPS 2023 Spotlight
论文摘要 在数字世界里,很多常见的数据类型都可以看作是一种特殊的连续函数形式,表征为隐式表征。例如,图像可以表征为将每个像素位置映射到对应RGB色值的连续函数。从这个角度出发,我们…
-
通过高斯-拉普拉斯-逻辑混合模型和串联残差模块学习的图像压缩 | TIP 2023
最近,基于深度学习的图像压缩方法取得了显着的成就,并在 PSNR 和 MS-SSIM 指标方面逐渐优于包括最新标准通用视频编码 (VVC) 在内的传统方法。学习图像压缩的两个关键组…