计算机视觉/图像处理相关面经3
均从网上搜集而来，非本人面经，这里做简单整理，这里侧重于C++
new/malloc区别1.new/delete是C++关键字，需要编译器支持。malloc/free是库函数，需要头文件支持。2.使用new操作符申请内存分配时无须指定内存块的大小，编译器会根据类型信息自行计算，面向对象。而mallo
...
计算机视觉/图像处理相关面经2
均从网上搜集而来，非本人面经，这里做简单整理，本篇侧重于图像处理算法
图像去噪算法均值滤波、高斯滤波、中值滤波..non-local Means(非局部均值):出发点应该是借鉴了越多幅图像加权的效果越好的现象，它利用了整幅图像进行去噪。即以图像块为单位在图像中寻找相似区域，再对这些区域取平均，较好地
...
计算机视觉/图像处理相关面经1
以下资料均来自于网上公开面经资料，非本人面经，这篇博客里偏深度学习基础，整理以备用…
L1和L2做loss的优缺点L1 loss优点:L1 loss让loss对于离群点更加鲁棒，即：相比于L2损失函数，其对离群点、异常值（outlier）不敏感，梯度变化相对更小，训练时不容
...
阅读论文“Domain Adaptation for Image Dehazing”
CVPR 2020，使用半监督方式做去雾，motivation是将仿真输入和真实输入做相互转换，并对转换的仿真输入和真实输入分别做去雾处理，其中有监督部分使用MSE loss,无监督部分使用deblur的先验loss，整体pipeline如下所示:
中间部分
...
阅读论文 From Fidelity to Perceptual Quality:A Semi-Supervised Approach for Low-Light Image Enhancement
2020 cvpr，motivation是，使用监督的方法恢复和学习到图像的band表示，然后借助band表示去进行无监督训练获得较高感知质量的图像。换言之，就是借助监督学习去获得有利于重建高质量图像的特征，通过这个特征作为中间变量，辅助无监督的训练，因为直接进行无监督的训
...
阅读论文“Neuromorphic Camera Guided High Dynamic Range Imaging”
借助神经形态相机成像的高动态性来弥补传统相机的不足，和之前那个用红外弥补RGB的论文如出一辙。然而神经相机成像的大小更小，且缺少颜色信息，所以利用其高动态的特性和一般相机图像做结合，可以帮助生成更高质量的HDR图像，一般的pipeline如下所示:
这里先把
...
阅读论文“Learning to Restore Low-Light Images via Decomposition-and-Enhancement”
CVPR 2020，还是基于coarse to fine的思路，motivation是，对于低光图像恢复，其noise在低频区域更容易被捕获和消除，因此先对低频区域做处理可以更好的保留足够的颜色等信息，再基于恢复的低频对高频进行处理恢复细节，根据低频恢复高频这样也更加容易一
...
NTIRE 2020 部分方法
$emsp; 简要看一下NTIRE的部分方法，对部分靠前的方法简要放在下面:
NTIRE 2020 Challenge on Perceptual Extreme Super-Resolution:Methods and ResultsOPPO-Research结构如下，使用Res in
...
几篇cvpr 2020 low level论文简略(未完，附带几篇其他会上改网络的论文)
几篇论文主要是改网络，这里附上图，用到的时候再细看吧，未标明会议的都是cvpr 2020。。
Structure-Preserving Super Resolution with Gradient Guidance基本思路是增强edge，和之前几篇low level基于ed
...
阅读论文“Single Image HDR Reconstruction by Learning to Reverse the Camera Pipeline”
2020 CVPR，和CameraNet那篇论文思路是一样的，都是使用divide and conquer的思路对问题做拆解（ISP和HDR都有人这么玩了，来从成像角度猜猜下一步还有什么low level问题能这么玩）。这里将问题分解成反量化，线性化和伪影去除三个步骤，和其
...