yinboc/liif
این پروژه یک روش یادگیری عمیق برای نمایش پیوسته تصاویر با استفاده از تابع ضمنی تصویر محلی (LIIF) ارائه می‌دهد.
کاربرد:
این روش برای کارهایی مثل افزایش وضوح تصویر (Super-Resolution)، بازسازی تصویر و تکمیل داده‌های گم‌شده در تصاویر مناسب است. ️
در چه شرایطی بهتره استفاده شود؟
وقتی با تصاویر با وضوح متغیر یا نامنظم سروکار دارید و نیاز به یک نمایش پیوسته و انعطاف‌پذیر از تصویر دارید، این روش بسیار مؤثر است. همچنین برای داده‌های ورودی ناهمگون (مثل تصاویر با سایزهای مختلف) عملکرد بهتری نسبت به روش‌های سنتی دارد.
چند مثال از موارد استفاده
• افزایش وضوح تصاویر پزشکی بدون نیاز به شبکه‌های متعدد
• بازسازی تصاویر با بُرش‌های ناقص یا نویزدار
• تبدیل تصاویر به هر وضوح دلخواه بدون آرتیفکت‌های ناخواسته
• استفاده در سیستم‌های واقعیت افزوده برای رندر پویای تصاویر با کیفیت بالا
- ##ImageRepresentation
- ##SuperResolution
- ##DeepLearning
- ##ImplicitFunctions
- ##ComputerVision
- ##NeuralRendering
- ##CVPR2021
- ##LIIF