查找表实现高效的图像超分辨率！论文/代码速递2022.10.31！

整理：AI算法与图像处理

CVPR2022论文和代码整理：https://github.com/DWCTOD/CVPR2022-Papers-with-Code-Demo

ECCV2022论文和代码整理：https://github.com/DWCTOD/ECCV2022-Papers-with-Code-Demo

最新成果demo展示：

标题：MuLUT: Cooperating Mulitple Look-Up Tables for Efficient Image Super-Resolution

论文：

https://www.ecva.net/papers/eccv_2022/papers_ECCV/papers/136780234.pdf

主页：https://mulut.pages.dev/

代码：https://github.com/ddlee-cn/MuLUT

边缘设备的高分辨率屏幕刺激了对高效图像超分辨率（SR）的强烈需求。一项新兴的研究，SR-LUT，通过将查找表（LUT）与基于学习的SR方法相结合来响应这一需求。然而，单个LUT的大小随着其索引容量的增加呈指数级增长。因此，单个LUT的感受野受到限制，导致性能低下。为了解决这个问题，我们通过支持多个LUT（称为MuLUT）的合作来扩展SR-LUT。首先，我们设计了两种新的互补索引模式，并行构造了多个LUT。其次，我们提出了一种重新索引机制，以实现多个LUT之间的分层索引。在这两种方式中，MuLUT的总大小与其索引容量呈线性关系，从而产生了一种获得优异性能的实用方法。我们检查了MuLUT在五个SR基准上的优势。MuLUT比SR-LUT实现了显著的改进，最高可达1.1dB PSNR，同时保持了其效率。此外，我们扩展了MuLUT以解决拜耳图案图像的去马赛克问题，在两个基准上大大超过了SR-LUT。

最新论文整理

ECCV2022

Updated on : 31 Oct 2022

total number : 1

Adaptive Mask-based Pyramid Network for Realistic Bokeh Rendering

• 论文/Paper: http://arxiv.org/pdf/2210.16078
• 代码/Code: None

CVPR2022

NeurIPS

Updated on : 31 Oct 2022

total number : 5

Addressing Bias in Face Detectors using Decentralised Data collection with incentives

• 论文/Paper: http://arxiv.org/pdf/2210.16024
• 代码/Code: None

Subsidiary Prototype Alignment for Universal Domain Adaptation

• 论文/Paper: http://arxiv.org/pdf/2210.15909
• 代码/Code: None

PatchRot: A Self-Supervised Technique for Training Vision Transformers

• 论文/Paper: http://arxiv.org/pdf/2210.15722
• 代码/Code: None

Multimodal Transformer for Parallel Concatenated Variational Autoencoders

• 论文/Paper: http://arxiv.org/pdf/2210.16174
• 代码/Code: None

Differentially Private CutMix for Split Learning with Vision Transformer

• 论文/Paper: http://arxiv.org/pdf/2210.15986
• 代码/Code: None