MrD's Blog

我干了什么究竟拿了时间换了什么

【机器学习】Single-shot compressive spectral imaging with a dual-disperser architecture

Posted by ShawnD on October 22, 2023

【Research & Writing】markdown 小书匠配置

链接到 github 仓库编辑器左下角位置，点击输入相应的信息 token 值从此获取 https://github.com/settings/tokens/new 使用 github 图库输入相应的信息 token 值从此获取 https://github.com/settings/tokens/new 关闭声效和动画打开设置 -> 编辑器取消...

Posted by ShawnD on October 21, 2023

【深度学习】Hyperspectral Image Reconstruction using Deep External and Internal Learning

Abstract 为了解决传统高光谱相机经常遭受的低空间/时间分辨率问题，编码快照高光谱成像系统最近引起了更多的关注。从相应的编码图像中恢复高光谱图像（HSI）是一个病态逆问题，学习HSI的准确先验对于解决这个逆问题至关重要。在本文中，我们提出了一种基于编码HSI重建的高效卷积神经网络（CNN）的方法，该方法从外部数据集中学习深度先验，并且从具有空间光谱约束的输入编码图像学习内...

Posted by ShawnD on August 21, 2023

【深度学习】DLTR：Computational Hyperspectral Imaging Based on Dimension-discriminative Low-rank Tensor Recovery

Abstract 利用先验信息是计算高光谱成像中图像重建的基础。现有方法通常将3D信号作为1D矢量展开，并以不分青红皂白的方式处理不同维度中的先验信息，这忽略了高光谱图像（HSI）的高维性，从而导致重建质量差。在这个文章中，我们建议充分利用所需HSI的高维结构来提高重建质量。我们首先通过利用HSI中的非局部相似性来构建高阶张量。然后，我们提出了一个discriminativ...

Posted by ShawnD on August 21, 2023

【深度学习】Progressive Distillation for Fast Sampling of Diffusion Models

Posted by ShawnD on July 13, 2023

【深度学习】Diffusion models as plug-and-play priors

Abstract 在一个模型中考虑一个推理高维数据 $x$ 的问题，其由先验 $p(x)$ 和给定一些条件 $y$ 对 $x$ 的辅助可微分的约束 $c(x, y)$。在本文中，先验是一个独立训练的去噪扩散生成模型。辅助约束预计将具有可微的形式，但可能来自不同的来源。这种推断的可能性将扩散模型转化为即插即用模块，从而允许一系列潜在应用来使模型适应新的领域和任务，如条件生成或图...

Posted by ShawnD on June 19, 2023

【深度学习】Denoising Diffusion Models for Plug-and-Play Image Restoration

Abstract 即插即用图像恢复（IR）已被广泛认为是解决各种逆问题的灵活和可解释的方法，通过使用任何现成的去噪器作为隐式图像先验。然而，大多数现有方法都专注于判别式高斯去噪器。尽管扩散模型在高质量图像合成方面表现出令人印象深刻的性能，但将它们作为插即用 IR 方法先验的生成去噪器的潜力仍有待进一步探索。虽然还进行了几次其他尝试，以采用扩散模型进行图像恢复，但它们要么未能达到...

Posted by ShawnD on June 19, 2023

【深度学习】AAAI2024

Main Technical Track: Call for Papers Summary 三个技术 tracks (Main Track; 人工智能促进社会影响;安全、稳健和负责任的人工智能) 两阶段评审:第一阶段进行两次评审，第二阶段对第一阶段未被拒绝的论文进行额外评审。第二阶段后的作者回复，仅适用于第一阶段未被拒绝的论文。所有论文可以同时提交三种补充材料:(1)技术...

Posted by ShawnD on June 19, 2023

【机器学习】NL-means：A non-local algorithm for image denoising

Abstract 我们提出了一种新的度量，即 method noise，以评估和比较数字图像去噪方法的性能。我们首先为一类广泛的去噪算法（即局部平滑滤波器）计算和分析这种方法噪声。其次，我们提出了一种新的算法，即非局部均值（NL-means），基于图像中所有像素的非局部平均。最后，我们提出了一些比较 NL-means 算法和局部平滑滤波器的实验。

Posted by ShawnD on June 15, 2023

【机器学习】NCSR：Nonlocally Centralized Sparse Representation for Image Restoration

Abstract 稀疏表示模型将图像 patch 编码为从过完备的字典中选择的几个原子的线性组合，它们在各种图像恢复应用中显示出有前景的结果。然而，由于观测图像的退化（例如，嘈杂、模糊和/或下采样），传统模型的稀疏表示可能不够准确，无法忠实地重建原始图像。为了提高基于稀疏表示的图像恢复的性能，本文介绍了稀疏编码噪声的概念，图像恢复的目标转向如何抑制稀疏编码噪声。为此，我们利用图...

Posted by ShawnD on June 15, 2023