CVPR 2024 | 基于小波域损失的生成式图像超分辨率模型训练方法实现更好的伪影控制
发布日期:2025-06-08 04:35:21 浏览次数:4 分类:精选文章

本文共 345 字,大约阅读时间需要 1 分钟。

论文信息

题目: Training Generative Image Super-Resolution Models by Wavelet-Domain Losses Enables Better Control of Artifacts
基于小波域损失的生成式图像超分辨率模型训练方法实现更好的伪影控制
作者:Cansu Korkmaz, A. Murat Tekalp, Zafer Dogan

论文创新点

本论文提出了一种小波域保真度损失,取代了传统的RGB域损失,有效提升了生成式图像超分辨率模型的性能。通过在小波域域引入这种损失函数,我们能够更好地控制生成图像中的伪影和其他不想要的艺术ifacts,从而显著提升了图像质量。这种方法在图像恢复和增强方面展现了更高的准确性和稳定性。
上一篇:CVPR 2024 | 基于查找表压缩的高效图像恢复
下一篇:CVPR 2024 | 分割与融合:统一分离模态的无监督域适应

发表评论

最新留言

哈哈,博客排版真的漂亮呢~
[***.90.31.176]2026年05月26日 15时07分37秒