发表于 | 更新于: | 分类于 ， |
字数统计: 1.9k | 阅读时长 ≈ 7

超分辨率第十一章-SR&Diffusion_model

Denoising Diffusion Probabilistic Models 于2020年发布。

参考文献：Denoising Diffusion Probabilistic Models

此后在超分领域出现了两篇以扩散模型为基础的文章：

参考文献：

SR3: Image Super-Resolution via Iterative Refinement (2021)

SRDiff: Single Image Super-Resolution with Diffusion Probabilistic Models (2021)

阅读全文 »

发表于 | 更新于: | 分类于 ， |
字数统计: 7.1k | 阅读时长 ≈ 28

超分辨率第八章-SR&transformer

超分辨率中的transformer-应用于MRI

文献一：(CFTN) 3d Cross-Scale Feature Transformer Network for Brain Mr Image Super-Resolution：ICASSP 2022会议

文献二： (ASFT) Adjacent slices feature transformer network for single anisotropic 3D brain MRI image super-resolution：《Biomedical Signal Processing and Control》 期刊，2022

文献三：(CRFM) Cross-Modality Reference and Feature Mutual-Projection for 3D Brain MRI Image Super-Resolution 期刊，2024

阅读全文 »

发表于 | 更新于: | 分类于 ， |
字数统计: 3.9k | 阅读时长 ≈ 16

超分辨率第七章-SRFBN

SRFBN发表于2019年，引入了反馈网络机制，不会增加额外的参数，并且多次回传相当于加深了网络。

论文地址：Feedback Network for Image Super-Resoluition

MRI论文：A trusted medical image super-resolution method based on feedback adaptive weighted dense network

参考博客：【CVPR2019】超分辨率文章，SRFBN: Feedback Network for Image Super-Resoluition

代码位置：F:\Github下载\SRFBN_CVPR19-master

阅读全文 »

发表于 | 更新于: | 分类于 ， |
字数统计: 2.8k | 阅读时长 ≈ 11

超分辨率第六章-RCAN

RCAN发表于2018年，引入了注意力机制：Channel Attention (CA)

论文地址：Image Super-Resolution Using Very Deep Residual Channel Attention Networks

参考博客

代码位置：F:\Github下载\RCAN-pytorch-master

阅读全文 »