CVPR 将图像超分辨率问题转化为寻找图像的连续表示。本质上图像会存在分辨率的问题，是由于其存储和表示使用的是二维数组。如果将图像的表示是一个连续函数，那么图像就可以是任意分辨率的。这个思路受启发于三维重建中的implicit neural representation implicit neural representation 所谓implicit neural representation是 ...
2021-03-21 19:36 0 287 推荐指数：
Methodology 作者提出TIMAM (Text-Image Modality Adversarial Matching)方法，比较简洁明了，具体包含三个部分： （1）特征提取器： 文本采用BERT提取词向量，再输入LSTM提取文本特征； 图像采用ResNet101提取特征 ...
introduction 图像恢复目标函数一般形式： 前一项为保真项（fidelity），后一项为惩罚项，一般只与去噪有关。 基于模型的优化方法可以灵活地使用不同的退化矩阵H来处 ...
arxiv上23号新放出的何凯明大神的新作。针对Siamese Network中的collapsing问题进行了分析，并指出，目前避免这个问题的一些方法：负样本，大batch，momentum enc ...
1、R-MAC 参考博客：https://blog.csdn.net/m0_37717568/article/details/72778863 参考文献：Tolias G, Sicre ...
超分辨率问题（Image super-resolution, SR) 从低分辨率(LR)的图像中 ...
文章：Between-class Learning for Image Classification 链接：https://arxiv.org/pdf/1711.10284.pdf CVPR2018 作者尝试了将在音频上的方法用在图像上的，并提出了一种将图像作为波形处理的混合方法（作者 ...
ResNet网络，本文获得2016 CVPR best paper，获得了ILSVRC2015的分类任务第一名。 本篇文章解决了深度神经网络中产生的退化问题（degradatio ...
Introduction 对于image-text embedding learning，作者提出了 cross-modal projection matching (CMPM) loss 和 cross-modal projection classification (CMPC) loss ...
