Awesome-Denoise

Awesome-Denoise

图像与视频去噪技术的最新研究分类

本项目汇总了图像与视频去噪领域的多项最新研究,通过色彩空间、图像类型和噪声模型进行分类。包含RGB、Raw以及两者兼顾的色彩空间,单张图像、连拍和视频的图像类型,以及多种噪声模型如加性白高斯噪声、泊松高斯噪声和基于生成对抗网络的噪声模型。此外,项目还整理了多个基准数据集和自监督去噪的研究论文,为研究人员提供全面的参考资源。

Awesome-Denoise图像降噪自监督学习视频降噪基准数据集Github开源项目

项目介绍:Awesome-Denoise

Awesome-Denoise 是一个综合的项目,收集了关于图像和视频去噪的优秀研究论文。在现代世界中,视觉媒体越来越多地包含噪声,这一项目的宗旨就是通过分类和总结各类去噪方法来帮助研究者和工程师针对不同应用场景找到合适的去噪技术。

主要分类因素

为了便于理解和选择去噪技术,这些论文被分为不同的类别,主要基于以下三个因素:

色彩空间

  1. RGB:常见的标准图像色彩空间。
  2. Raw:未经过任何图像处理器(ISP)处理的原始图像格式。
  3. Both:包含同时涉及 RGB 和 Raw 色彩空间处理的研究。

图像类型

  1. 单影像(Single):只针对单张图像进行去噪处理的研究。
  2. 连拍(Burst):利用连拍的一组图像进行去噪。
  3. 视频(Video):针对视频流中的噪声去除。

噪声模型

  1. AWGN(加性白高斯噪声模型)
  2. PG(泊松高斯噪声模型)
  3. GAN 基础的噪声模型:利用生成对抗网络进行噪声建模。
  4. 真实噪声模型:来自相机或单反设备的真实噪声。
  5. Prior(先验)
    • 低秩(Low Rank)
    • 稀疏性(Sparsity)
    • 自相似性(self-similarity)

基准数据集

项目中引用了一些重要的数据集用于去噪算法的评价,包括但不限于:

  • SIDD:一个高质量去噪的数据集,专为智能手机相机设计。
  • RENOIR:用于真实低光条件图像噪声去除。
  • PolyU:真实世界噪声图像去噪新基准。
  • SID:在极限低光条件下的学习。
  • DND:真实照片去噪算法评测。
  • NaM:利用跨通道图像噪声建模进行综合去噪。

自监督去噪

自监督去噪技术不需要干净数据即可进行图像和视频去噪学习。自监督方法包括:

  • 视频去噪,例如未监督的深度视频去噪。
  • 图片去噪,包括多种创新方法如 Noise2Noise、Noise2Void 等。

年度研究总结

Awesome-Denoise 项目还按照年份对各类研究进行总结,帮助研究者追踪近年来的技术发展和研究潮流。这些总结不仅关注新出现的技术,还包括对流行方法的改进和新数据集的应用。

总之,Awesome-Denoise 是一个为图像和视频去噪研究者和工程师提供大量资源的项目,汇集了论文、数据集和最新的去噪技术分类,使得在不同应用场景中选择合适的去噪方法变得更为轻松和简便。

编辑推荐精选

openai-agents-python

openai-agents-python

OpenAI Agents SDK,助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK,它为开发者提供了与 OpenAI 模型交互的高效工具,支持工具调用、结果处理、追踪等功能,涵盖多种应用场景,如研究助手、财务研究等,能显著提升开发效率,让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具,支持从文本描述、单张图片或多视角图片生成 3D 模型,具备快速形状生成能力,可生成带纹理的高质量 3D 模型,适用于多个领域,为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目,涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作,如创建文件和目录、设置布局等,同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景,能够提高系统的性能和可靠性,是分布式存储领域的优质解决方案。

TRELLIS

TRELLIS

用于可扩展和多功能 3D 生成的结构化 3D 潜在表示

TRELLIS 是一个专注于 3D 生成的项目,它利用结构化 3D 潜在表示技术,实现了可扩展且多功能的 3D 生成。项目提供了多种 3D 生成的方法和工具,包括文本到 3D、图像到 3D 等,并且支持多种输出格式,如 3D 高斯、辐射场和网格等。通过 TRELLIS,用户可以根据文本描述或图像输入快速生成高质量的 3D 资产,适用于游戏开发、动画制作、虚拟现实等多个领域。

ai-agents-for-beginners

ai-agents-for-beginners

10 节课教你开启构建 AI 代理所需的一切知识

AI Agents for Beginners 是一个专为初学者打造的课程项目,提供 10 节课程,涵盖构建 AI 代理的必备知识,支持多种语言,包含规划设计、工具使用、多代理等丰富内容,助您快速入门 AI 代理领域。

AEE

AEE

AI Excel全自动制表工具

AEE 在线 AI 全自动 Excel 编辑器,提供智能录入、自动公式、数据整理、图表生成等功能,高效处理 Excel 任务,提升办公效率。支持自动高亮数据、批量计算、不规则数据录入,适用于企业、教育、金融等多场景。

UI-TARS-desktop

UI-TARS-desktop

基于 UI-TARS 视觉语言模型的桌面应用,可通过自然语言控制计算机进行多模态操作。

UI-TARS-desktop 是一款功能强大的桌面应用,基于 UI-TARS(视觉语言模型)构建。它具备自然语言控制、截图与视觉识别、精确的鼠标键盘控制等功能,支持跨平台使用(Windows/MacOS),能提供实时反馈和状态显示,且数据完全本地处理,保障隐私安全。该应用集成了多种大语言模型和搜索方式,还可进行文件系统操作。适用于需要智能交互和自动化任务的场景,如信息检索、文件管理等。其提供了详细的文档,包括快速启动、部署、贡献指南和 SDK 使用说明等,方便开发者使用和扩展。

Wan2.1

Wan2.1

开源且先进的大规模视频生成模型项目

Wan2.1 是一个开源且先进的大规模视频生成模型项目,支持文本到图像、文本到视频、图像到视频等多种生成任务。它具备丰富的配置选项,可调整分辨率、扩散步数等参数,还能对提示词进行增强。使用了多种先进技术和工具,在视频和图像生成领域具有广泛应用前景,适合研究人员和开发者使用。

爱图表

爱图表

全流程 AI 驱动的数据可视化工具,助力用户轻松创作高颜值图表

爱图表(aitubiao.com)就是AI图表,是由镝数科技推出的一款创新型智能数据可视化平台,专注于为用户提供便捷的图表生成、数据分析和报告撰写服务。爱图表是中国首个在图表场景接入DeepSeek的产品。通过接入前沿的DeepSeek系列AI模型,爱图表结合强大的数据处理能力与智能化功能,致力于帮助职场人士高效处理和表达数据,提升工作效率和报告质量。

Qwen2.5-VL

Qwen2.5-VL

一款强大的视觉语言模型,支持图像和视频输入

Qwen2.5-VL 是一款强大的视觉语言模型,支持图像和视频输入,可用于多种场景,如商品特点总结、图像文字识别等。项目提供了 OpenAI API 服务、Web UI 示例等部署方式,还包含了视觉处理工具,有助于开发者快速集成和使用,提升工作效率。

下拉加载更多