- 综合排序
- 最热优先
- 最新优先
《解锁图像“高清密码”：超分辨率重建之路》
在图像的世界里，高分辨率意味着更多细节、更清晰的画面，就像用高清望远镜眺望远方，一切都纤毫毕现。 在深度学习兴起前，传统方法就已在图像超分辨率重建领域开疆拓土。插值法是其中基础又常见的手段，就像给缺失拼图块的拼图做猜测补充。 在超分辨率重建里，基于GANs的方法优势显著。 图像超分辨率重建技术从传统方法一步步发展到深度学习、生成对抗网络，不断突破创新。 未来，随着技术持续进步，我们有理由期待它在更多领域大放异彩，为我们带来更清晰、更精彩的视觉世界，也许不久后，任何模糊图像都能轻松“变身”高清大片，让每一个细节都能被清晰看见。
38510编辑于 2025-04-19- 来自专栏网络工程师笔记
超干货！全国31所名校网络拓扑图全分析（高清版）
那些个说自己没有案例参考的，不知道怎么设计美观的，毫无头绪的……这下总有参考物了吧？
4.8K20编辑于 2022-10-31 - 来自专栏机器之心
低清视频也能快速转高清：超分辨率算法TecoGAN
视频超分辨率技术则更加复杂，不仅需要生成细节丰富的一帧帧图像，还要保持图像之间的连贯性。 重制的高清版游戏在画质上有很好的效果，而且还保留了原始纹理的美感与风格。 以下三幅动图的右半部分是用 TecoGAN 生成的，说不定用它来重制单机游戏会有更惊人的效果。 这个视频超分辨率 GAN 牛在哪里？ 自然图像超分辨率是图像和视频处理领域的一大经典难题。 在视频超分辨率（VSR）任务中，现有的方法主要使用标准损失函数，如均方差损失，而不是对抗损失函数。 该研究提出的判别器结构如图 3 所示。它接收了两组输入：真值和生成结果。 ? 图 3：时空判别器的输入。
6.6K10发布于 2019-04-29 - 来自专栏音视频咖
极速高清——给你带来全新的高清视野
如何降低带宽成本压力是各视频平台降成本最重要的措施，其中视频降码率是现阶段主要措施有，主要措施如下： 算法升级 AV1/H.265/VP9/H.264等，AV1刚定稿AOM编码性能相比其它3家100倍以上差距 ，由于核心成员有Google/Amazon/Cisco/Netflix等这些大佬以及定位对web的友好性，AV1 3月刚完成V1.0的定稿以及ffmpeg4.0的支持，可以预见的是，后面硬件支持友好后， 现在视频平台主流编码算法还是以H.264为主 普通转码 短视频和直播平台、视频网站对视频分源、超清、高清、流畅等不同档位，基本都是一些按分辨率和码率要求强制压缩转码，效果不理想都是以省码率为目标没有考虑用户观看体验 极速窄带高清 腾讯云极速高清、窄带高清以及netflix的动态编码都是基于场景、清晰度、分辨率、码率、帧率、编码算法、播放策略等目标在不降低甚至增强源视频画质体验的基础上降低视频码率 视频源和普通转码存在的问题 CDN带宽基本都是按95计费法，CDN带宽采样点是5分种的均值，对于这种运动场景实时检测切换比较明显的场景帧我们在x264码率控制的基础上会综合帧时序信息做一些补偿因子和画质控制，画质VMAF得分会有3-
3.8K62发布于 2018-09-12 - 来自专栏跟我一起学编程
指针进阶（3）（超详细）
今天我们更新了指针进阶（3）内容， 欢迎大家关注点赞收藏⭐️留言 一、数组指针变量 1.1数组指针变量是什么？ 之前我们学习的指针数组，数组中存放的是一种数组，数组中存放的是地址（指针）。 1.3二维数组的传参 按我们之前所学的，二维数组的传参一般都是按下面这种形式去传参： #include<stdio.h> void print(int arr[3][5],int row,int col j = 0; j < col; j++) { printf("%d ", arr[i][j]); } printf("\n"); } } int main() { int arr[3] [5] = { {1,2,3,4,5},{2,3,4,5,6} ,{3,4,5,6,7} }; print(arr, 3, 5); return 0; } 这样便实现了数组的传参。 [5] = { {1,2,3,4,5},{2,3,4,5,6} ,{3,4,5,6,7} }; print(arr, 3, 5); return 0; } 这样也可以得到上面那种效果。
18410编辑于 2024-03-21 - 来自专栏CSDN社区搬运
图像高清化
图像超分辨率是指从低分辨率图像恢复高分辨率图像的过程，是计算机视觉和图像处理中的一类重要技术。它在实际应用中有广泛的用途。随着深度学习的发展，超分辨率方法的性能取得了巨大飞跃。 图1：超分辨率示意图 该论文介绍了一种“零样本”图像超分辨率方法，利用单张图像内部信息的重复性训练小型卷积神经网络。 该方法可以针对不同的图像进行自适应调整，这使得其能够对真实图像或获取方式未知的图像进行高清化处理。 算法原理 论文提出的方法基于自然图像中强大的内部数据重复性。 图3展示了一张小猫躺在落叶堆上的图像，利用论文所提出的方法对该图像进行超分辨率操作后，图像的细节部分变得更清晰了，即原本模糊的毛发变得更加细腻。 图3：超分辨率方法结果 由于训练集仅包含一个实例，该方法对该图像进行数据增强。具体地，该方法通过将原图旋转不同角度以提取更多的样本来进行训练。
67510编辑于 2024-12-13 - 来自专栏王的博客专栏
单链表习题（3）（超详细）
-> next; //long 和 short 都属于关键字，不可以作为变量名 long1 = long1 -> next; } return NULL; } 3.
17810编辑于 2024-10-16 - 来自专栏知晓程序
超多高清 GIF 表情包，让你称霸微信斗图界
身边总有那么几个人，能及时拿到新鲜出炉的表情包。难道是他们对表情包的流行趋势更为敏感？
1.6K30发布于 2018-07-30 - 来自专栏全栈程序员必看
高清视频编码格式_如何将高清视频转化为蓝光
收藏于 2012-01-09 迁移自个人百度空间 ————————— 高清视频编码最常用的编码格式是MPEG2-TS、MPEG4、H.264和VC-1这四种算法。 DVD即是MPEG2编码，随着技术的改进，它在高清视频方面也得到了应用。MPEG2最大的缺点就是文件体积过大，不过它也有一个优点，那就是相对于另外两种编码，它对于系统资源的消耗是最小的。 但JPEG2000计算量太大，压缩率不高，目前很难在嵌入式实时系统中实现，对存储传输也提出了较高的要求，目前仅有一些高清专用系统采用了这个算法。 (1080p 30fps、1080i 60fps、720p60fps)的同步多格式高清编码、解码与转码方面，表现出色。 还有一款高清入门级的TI芯片DM355，它内置了编解码算法实现，能够以720p格式与每秒30帧的速度提供高清MPEG4SP编解码能力，是快速开发入门级高清编码产品的不错选择。
2.6K30编辑于 2022-11-10 - 来自专栏知晓程序
超养眼！高清壁纸美图，这里有很多多多多多多多多多
小程序体验师：陆轶群 MoSplash，原本是一款 iOS app，能帮你搜集世界各地的无版权高清美图。 现在，它被移植到了小程序的平台上。 这意味着，不仅 Android 用户能获得这些高清美图，苹果用户们也可以省下购买 app 的一块钱了～（当然，小程序比 app 还是稍微少了一丢丢的收藏和搜索功能╮(╯-╰)╭） 先不管钱不钱的问题，更重要的是
59110发布于 2018-08-01 - 来自专栏音视频技术
B站开源自研动漫超分辨率模型，助力动漫UGC视频高清化
从马赛克到高清画质，从720P到4K，视频平台正在不断提升画质，但目前各大视频平台的超高清内容还并不是很多，其关键在于超高清视频的制作难度远超普通视频制作，对设备以及后期技术的要求，为视频内容贡献者带来了很大的阻碍 当输出图像分辨率大于输入图像分辨率时，该技术被称作AI超分辨率技术，经过该技术处理后的图像可以在指定分辨率实现高清化。 将Real-CUGAN与目前广为流行的、针对动漫有特别优化的，开源模型Waifu2x（使用最新版CUNet-Noise3模式，下同）与Real-ESRGAN（使用最新动漫特别优化版RRDB_Anime6B 未来，B站将针对不同品类适配不同的超分算法，并且使用窄带高清算法降低卡顿率提高流畅度、辅助客观画质评测加主观评测系统保障视频质量。 优化纹理保留，削减模型处理痕迹 积极收集issue与用户意见，对模型进行持续优化改进 B站开源的动漫超分模型将助力更多的二次元UGC用户付出更少成本，更加便捷地制作出更高清高质的视频，同时有助于4K、
2.8K20编辑于 2022-02-11 - 来自专栏黑泽君的专栏
Linux学习_009_VMware12.0 Pro 中安装 CentOS 6.8_超详解 + 高清大图
3、新建虚拟机向导 ? 4、创建的虚拟机将包含一个空白硬盘 ? 5、安装Linux系统对应的【CentOS 64位】版 ? 6、虚拟机命名和指定安装磁盘位置 ?
1.5K20发布于 2019-01-28 - 来自专栏人工智能头条
普通视频转高清：10个基于深度学习的超分辨率神经网络
超分辨率有很多应用，比如： 数字高清，通过这种方法来提高分辨率 显微成像：合成一系列显微镜下的低分辨率图像来得到高分辨率图像 卫星图像：用于遥感卫星成像，提升图像精度 视频复原：可以通过该技术复原视频， 图像重构：恢复细节，得到清晰的高分辨率图像，卷积核为f3*f3； ? ? 参数调节是神经网络中比较玄的部分，也是最为人诟病的部分。很多人认为参数调节很像老中医看病，通常缺少理论依据。 比如说，我想将图片扩大到原图的3倍，那么 r 就是缩放因子 3，Channel 为9。通过将一个像素扩充为一个3x3的矩阵，模拟为一个像素的矩阵，来达到超分辨率的效果。 ? 对实时视频进行超分辨率处理的实验结果也非常理想。对 1080 HD 格式的视频进行3倍放大，SRCNN 每帧需要0.435s，而 ESPCN 则只需0.038s。 ? 可以理解为，一张模糊的图片，经过多个增强层，一级级变得更加清晰，最终得出高清图片。大家可以在名为tyshiwo的 Github 上找到源码。 ?
2.1K10发布于 2019-11-18 - 来自专栏大数据和云计算技术
超融合方案分析系列（3）深信服超融合方案分析
前言 作者是国内研究超融合相当早的专家，有非常强的理论基础和实战经验，以下是超融合分析系列前面几篇，已经阅读过的同学可以跳过。 超融合分析系列： 超融合概述 超融合产品分析系列（1）：nutanix方案 超融合方案分析系列（2）：VSAN的超融合方案分析 非常深入的超融合分析系列，希望大家会喜欢，另外文章最后附有作者的微信，有兴趣的同学可以加作者做更深入的交流 下面是本系列第4篇正文： 整体方案 深信服的超融合一体机以及超融合方案目前在各个地方都推的比较猛，从官网看，他们的客户也有不少了。 今天我们一起来分析一下深信服超融合方案： 深信服超融合的整个方案中包含了aSV、aNET、aSAN三个核心组成部分。当然，既然是超融合方案，虚拟化是基础，而分布式存储则是超融合的核心。 3 第三个是网络需求： 在深信服官网http://wiki.sangfor.com.cn/index.php/超融合:最佳实践，我找到了对网络的一个要求： ?
8.6K70发布于 2018-03-08 - 来自专栏Pythonista
git高清技能图
? ? ? ?
91920发布于 2018-12-28 - 来自专栏音视频技术
Pixel 3的超分辨变焦技术
有了 Pixel 3 上全新的超分辨变焦 (Super Res Zoom) 技术, 我们正在挑战这一传统观点。 Pixel 3上的超分辨变焦技术优于以前的数码变焦技术是由于它可以直接将多帧图像合成为一张高分辨率图像，而不是像之前的数码变焦技术仅仅基于单张图片的裁剪并放大的策略。 Pixel 3 上的超分辨变焦 数码变焦的难点 数码变焦是一项困难的工作, 因为一个好的算法必须从一个低分辨率的图像出发, 可靠地 "重构" 出丢失的细节。 完全可靠的局部对齐通常是不现实的, 即使运动估计不完美, 超分辨率算法也需要运算正确。 3. 右图: Pixel 3 上同样视角使用超分辨变焦技术的图像。 超分辨率的想法比智能手机的出现早了至少十年，几乎同样早的, 这种技术就通过电影和电视的虚构情节出现在公众面前。
1.3K20发布于 2021-09-01 - 来自专栏登神长阶
【论文复现】图像高清化
图像超分辨率是指从低分辨率图像恢复高分辨率图像的过程，是计算机视觉和图像处理中的一类重要技术。它在实际应用中有广泛的用途。随着深度学习的发展，超分辨率方法的性能取得了巨大飞跃。 然而，由于这些超分辨率方法大多是有监督的，因此它们受限于特定的训练数据，其中低分辨率图像是从其高分辨率对应图像中预先获得的。 该论文介绍了一种“零样本”图像超分辨率方法，利用单张图像内部信息的重复性训练小型卷积神经网络。该方法可以针对不同的图像进行自适应调整，这使得其能够对真实图像或获取方式未知的图像进行高清化处理。 图3展示了一张小猫躺在落叶堆上的图像，利用论文所提出的方法对该图像进行超分辨率操作后，图像的细节部分变得更清晰了，即原本模糊的毛发变得更加细腻。 if height < 3 or width < 3: output_image = input_image.squeeze(0).permute(1, 2, 0)
33010编辑于 2024-12-24 - 来自专栏jiajia_deng
高清 GIF 录制工具 ScreenToGif
以前经常使用 GifGifGif 来录制 gif 动画，但由于效果和不兼容 Win10，所以直接抛弃掉了，在寻觅更好的 gif 录制工具时找到了这款工具。我们来看一下它强大的功能。
1.3K10发布于 2020-01-06 - 来自专栏机器之心
「花果山名场面」有了高清画质版，NTU提出视频超分框架Upscale-A-Video
扩散模型在图像生成方面取得了显著的成功，但由于对输出保真度和时间一致性的高要求，将这些模型应用于视频超分辨率仍然具有挑战性，特别是其固有的随机性使这变得复杂。 来自南洋理工大学 S-Lab 的研究团队提出了一种用于视频超分的文本指导（text-guided）潜在扩散框架 ——Upscale-A-Video。 我们先来看几个具体例子，例如，借助 Upscale-A-Video，「花果山名场面」有了高清画质版： 相比于 StableSR，Upscale-A-Video 让视频中的松鼠毛发纹理清晰可见： 方法简介 在局部视频剪辑上，该研究探索使用视频数据上的附加时间层来微调预训练图像 ×4 超分模型。 具体来说，在潜在扩散框架内，该研究首先使用集成的 3D 卷积和时间注意力层对 U-Net 进行微调，然后使用视频条件输入和 3D 卷积来调整 VAE 解码器。
28810编辑于 2024-01-04 - 来自专栏AI科技评论
谷歌超分辨率技术 RAISR ：模糊图片瞬变高清，速度提升数十倍
如今高清显示屏正在家庭和移动设备上普及，因此，把低分辨率图片转化为高清版本，并可在多种设备上查看和分享，正在成为一项巨大的需求。 注：3 倍超分辨率学习，获得的 11x11 过滤器集合。过滤器可以从多种超分辨率因素中学习获得，包括部分超分辨率。注意当图中边缘角度变化时，过滤器角度也跟着旋转。 左：原始图片 右：RAISR 3 倍超分辨率效果 超分辨率技术更复杂的地方在于如何避免混叠效应，例如龟纹 （Moire patterns）和高频率内容在低分辨率下渲染产生的锯齿 （对图像人为降级的情形 下面是一个例子，左边是低分辨率的原始图片，左 3 和 左 5 有很明显的空间频率混淆（aliased spatial frequencies），而右侧的 RAISR 图像恢复了其原始结构。 此次谷歌 RAISR 大幅降低了图像增强的时间成本和硬件要求，有望实现超分辨率技术在消费领域的应用，把充斥互联网的低画质图片转化为高清图片，大幅提高视觉效果和用户体验。
3.1K90发布于 2018-03-08
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号