논문 리뷰

https://dcgi.fel.cvut.cz/home/sykorad/dia Diffusion Image Analogies dcgi.fel.cvut.cz 씨그래프 2023에 나옴 Problem Definition Image analogies 이미지 A, A'가 주어졌을 때, A와 A'의 관계를 이해하고 그 관계를 새로운 이미지 B에 적용하여 B'를 만드는 것. A:A' :: B:B'로 표현함. 이 논문에서는 이 image analogies를 디퓨전으로 품. 논문에서 제시하는 문제상황은 다음과 같음. 1) image anaologies에 대한 이전 연구들은 low level(pixel)로써 이미지를 이해하기 때문에 higher level인 context를 이해하거나 structure를 바꾸는데 어려움이 있음..

Problem Definition Stable Diffusion모델은 이미지 크기를 다양하게 생성할 때 해상도 문제를 가짐. 단일 크기 이미지-텍스트 쌍으로 학습하기 때문임. 모든 사이즈 이미지-텍스트로 Stable Diffusion을 학습하는 것은 현실적으로 어렵기 때문에 본 논문에서는 ADS(Any-Size-Diffusion)을 제안하여 이 문제를 해결하고자 함. Method ASD(Any-Size Diffusion)은 2개의 파이프라인으로 구성되어 있음. Stage-1) Any Ratio Adaptability Diffusion (ARAD) Stage-2) Fast Seamless Tiled Diffusion (FSTD) 첫번째 단계 Any Ratio Adaptability Diffusion (AR..

cvpr 2021 LIIF continuous image neural representation 연구,, 달러($)표시가 있는 문자가 보이면 수식 로딩중이니 새로고침 Abstract 본 논문에서는 이미지를 연속적으로 표현하는 법을 제안한다. 3D reconstruction에서의 *implicit nueral representation에 영감을 받아 이미지의 좌표, 좌표 주변 2D deep feature를 input으로 받아 주어진 좌표의 output의 RGB value를 예측하는 Local Implicit Image Function(LIIF)를 제안한다. 좌표가 연속적이기 때문에 LIIF도 arbitrary resolution을 표현할 수 있다. 이미지의 연속적인 표현을 생성하기 위해 본 논문에서는 en..

2019 cvpr에 나온 최초의 arbitrary scale image super-resolution 연구,, 수식 로딩 안 된 경우 새로고침 한번,, Abstract deep convolutional neural networks를 활용한 super-resolution(SR) 연구과 뛰어난 성능을 보이고 있다. 그러나, arbitrary scale에 대한 SR 연구는 오랫동안 외면받았다. 기존의 많은 연구자들은 다른 scale factor를 가지는 SR를 독립적인 task로 다루었다. 기존에는 각각에 scale에 맞게 모델을 학습시켜서 비효율적이고, 정수배의 scale facotr에 대한 문제만 고려했다. 본 연구에서 우리는 arbitrary scale factor(실수배의 scale factor를 포함..

CVPR 2023에 발표된 Activating More Pixels in Image Super-Resolution Transformer에 대해 리뷰하겠다. 새로운 사실이나 중요한 정보 위주로 요약,, $qer{}SDfg..이런 형식의 글이 나오면 몇 초만 기다려주세요 수식 로딩 중인 것,, Abstract Transformer-based 기법들은 image super-resolution과 같은 분야에서 놀라운 성능을 보이고 있다. 하지만, 본 논문에서는 이런 네트워크들이 인풋 정보의 한정된 공간 범위만을 다루는 것을 분석을 통해 알아냈다. 이건 기존의 네트워크들에서 사용되는 Transformer가 충분히 개발되지 않았음을 의미한다. 더 많은 input pixel을 활성화하기 위해 본 논문에서는 Hybri..