Abstract我们引入了一种名为 WGAN 的新算法，它是传统 GAN 训练的替代方案。 在这个新模型中，我们表明我们可以提高学习的稳定性，摆脱模式崩溃等问题，并提供对调试和超参数搜索有用的有意义的学习曲线。 此外，我们表明相应的优化问题是合理的，并提供了大量的理论工作，强调了分布之间不同距离的深层联系。1. Introduction本文关注的问题是无监督学习的问题。 主要是学习概率分布意味着什

本文提出了一种利用未配对数据集有效融合多次曝光输入并生成高质量高动态范围(HDR)图像的方法。基于深度学习的HDR图像生成方法严重依赖于成对的数据集。地面真像对生成合理的HDR图像起着主导作用。没有地面真相的数据集很难用于训练深度神经网络。最近，生成对抗网络(Generative Adversarial Networks, GAN)已经证明了在缺少成对例子的情况下，其将图像从源域X转换到目标域Y的

无网情况下安装python第三方库

https://blog.csdn.net/baimafujinji/article/details/50466224 计算机视觉中，人脸检测（Face Detection）是一项常见的任务。Paul Viola和Michael Jones在《Rapid object detection using a Boosted cascade ofsimple features》一文中提出的快速对...

WELCOME TO PYTORCH TUTORIALS要学习如何使用PyTorch，请从入门教程开始。60分钟的闪电战是最常见的起点，并提供了如何使用PyTorch从基础到构建深度神经网络的广泛视角。注意事项:如果您希望通过IPython / Jupyter交互式地学习教程，那么每个教程都有一个用于Jupyter笔记本和Python源代码的下载链接。PyTorch示例中还提供了其他高...

https://blog.csdn.net/aBlueMouse/article/details/78710553

图像降噪，是最简单也是最基础的图像处理逆问题（inverse problem）。 大多数情况下，图像降噪都是ill-posed的问题。因为通过有噪音的观察，总是无法逆向求得唯一正确的干净图片。就好像让你解一个超越方程一样，不借助其他额外的条件信息，是没有唯一解的。 降噪问题（这里只讨论additive noise），用最简单的数学语言一句话就可以描述清楚：y = x + e...

本文对应用卷积神经网络（CNN）解决去马赛克问题进行了全面的研究。该论文提出了两种 CNN 模型，它们可以学习马赛克样本和具有完整信息的原始图像块之间的端到端映射。在使用拜耳滤色器阵列 (CFA) 的情况下，对流行基准的评估证实 CNN 模型的数据驱动、自动学习特征非常有效，并且我们提出的最佳 CNN 模型优于当前的SOTA算法。实验表明，所提出的 CNN 模型在 sRGB 空间和线性空间中都可以

AbstractWe propose a technique for fusing a bracketed exposure sequence into a high quality image, without converting to HDR first. Skipping the physically-based HDR assembly step simplifies the acq..

交替方向乘子法（ADMM）