Zobrazeno 1 - 10
of 27
pro vyhledávání: '"Kim, Guisik"'
Autor:
Kınlı, Furkan, Menteş, Sami, Özcan, Barış, Kıraç, Furkan, Timofte, Radu, Zuo, Yi, Wang, Zitao, Zhang, Xiaowen, Zhu, Yu, Li, Chenghua, Leng, Cong, Cheng, Jian, Liu, Shuai, Feng, Chaoyu, Bai, Furui, Wang, Xiaotao, Lei, Lei, Ma, Tianzhi, Gao, Zihan, He, Wenxin, Yeo, Woon-Ha, Oh, Wang-Taek, Kim, Young-Il, Ryu, Han-Cheol, He, Gang, Long, Shaoyi, Sharif, S. M. A., Naqvi, Rizwan Ali, Kim, Sungjun, Kim, Guisik, Lee, Seohyeon, Nathan, Sabari, Kansal, Priya
This paper introduces the methods and the results of AIM 2022 challenge on Instagram Filter Removal. Social media filters transform the images by consecutive non-linear operations, and the feature maps of the original content may be interpolated into
Externí odkaz:
http://arxiv.org/abs/2210.08997
Style transfer has attracted a lot of attentions, as it can change a given image into one with splendid artistic styles while preserving the image structure. However, conventional approaches easily lose image details and tend to produce unpleasant ar
Externí odkaz:
http://arxiv.org/abs/2111.04028
In this paper, we present a novel low-light image enhancement method called dark region-aware low-light image enhancement (DALE), where dark regions are accurately recognized by the proposed visual attention module and their brightness are intensivel
Externí odkaz:
http://arxiv.org/abs/2008.12493
Autor:
Lugmayr, Andreas, Danelljan, Martin, Timofte, Radu, Fritsche, Manuel, Gu, Shuhang, Purohit, Kuldeep, Kandula, Praveen, Suin, Maitreya, Rajagopalan, A N, Joon, Nam Hyung, Won, Yu Seung, Kim, Guisik, Kwon, Dokyeong, Hsu, Chih-Chung, Lin, Chia-Hsiang, Huang, Yuanfei, Sun, Xiaopeng, Lu, Wen, Li, Jie, Gao, Xinbo, Bell-Kligler, Sefi
This paper reviews the AIM 2019 challenge on real world super-resolution. It focuses on the participating methods and final results. The challenge addresses the real world setting, where paired true high and low-resolution images are unavailable. For
Externí odkaz:
http://arxiv.org/abs/1911.07783
Autor:
Kim, Guisik, Kwon, Junseok
We present a novel dehazing and low-light enhancement method based on an illumination map that is accurately estimated by a convolutional neural network (CNN). In this paper, the illumination map is used as a component for three different tasks, name
Externí odkaz:
http://arxiv.org/abs/1906.05119
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.
Akademický článek
Tento výsledek nelze pro nepřihlášené uživatele zobrazit.
K zobrazení výsledku je třeba se přihlásit.
K zobrazení výsledku je třeba se přihlásit.