Deep-SR-ITM

这是Deep SR-ITM（ICCV 2019）的官方存储库，提供训练、测试代码及训练好的权重和数据集（训练+测试）。我们的论文在ICCV 2019上接受了口头报告，详细介绍了Deep SR-ITM的超分辨率和反色调映射联合学习应用于4K UHD HDR的情况。我们的代码使用MatConvNet实现，需要MATLAB环境，并已在MATLAB 2017a、MatConvNet 1.0-beta25、CUDA 9.0、10.0、cuDNN 7.1.4及NVIDIA TITAN Xp GPU下进行了测试。请参考以下详细安装说明并下载源代码到您的目录。

通过Pytorch重新实现的Deep-SR-ITM，该模型结合超分辨率和逆色调映射，特别设计用于4K UHD HDR应用。研究团队金秀艺、吴志亨和金曼彻尔在IEEE计算机视觉国际会议上进行了口头报告。代码基于原Matlab版本转换而来，保留了原始设置，重点不在改进基线，而在于提供不同实现的选择。测试环境包括Ubuntu 16.04 LTS，Python 3.7.5，Pytorch 1.3.1，TorchVision 0.4.2，CUDA 10.1，OpenCV 3.4.2。数据准备阶段包括从.mat格式转换为'.png'格式，适用于SDR和HDR图像。如需更多细节，请参阅原始repo。

Microsoft SQL Server 测试数据库示例 AdventureWorks2008R2_SR1。

档深入探讨了 spring-cloud-stream-app-descriptor-Celsius.SR3.stream-apps-kafka-10-docker 的技术细节，分析其在 Spring Cloud Stream 生态系统中的作用和应用。

混合滤波真棒深层HDR基于深度学习的HDR图像合成方法的集合多视图HDR图像合成动态场景的深度高动态范围成像（ SIGGRAPH Asia 2017 ）用于深度高动态范围成像的多尺度密集网络（ WACV 2019 ） ）具有大前景运动的深度高动态范围成像] （ ECCV 2018 ）用于无鬼影的高动态范围成像的注意力导向网络（ CVPR 2019 ） ）通过非本地网络进行深度HDR成像（ TIP 2020 ）单图HDR重建使用深CNN一次曝光即可重建HDR图像（ SiGGRAPH Asia 2017 ）深链HDRI：从单个低动态范围图像重构高动态范围图像（ IEEE Access 2018 ）深度递归HDRI：使用生成对抗网络的逆色调映射（ ECCV 2018 ）深反向色调映射（ SIGGRAPH ASIA 2017 ）学习基于单图像的HDR重建的混合损失（ ArXiv 2018 ） FHDR：使用反馈网络从单个LDR图像重建HDR图像（ Global SIP 2019 ）使用具有蒙版功能和感知损失的CNN进行单图像HDR重建（ SIGGRAPH 2020

matlab分时代码深度TAMA注意：修复了与跟踪性能相关的严重错误。我们的论文被爱思唯尔信息科学（IF 5.910）接受环保环境OS : Windows10 64bit (我们已经测试过代码在Ubuntu 18.04上的正常工作) CPU : Intel i5-8500 3.00GHz GPU : Geforce GTX Titan X (Works on GPU with smaller memory size <= 5GB) RAM : 32 GB要求python 3.6 tensorflow-gpu 2.1.0 (Doesn't work with Tensorflow v1) numpy 1.17.3 opencv 3.4.2 matplotlib 3.1.1 scikit-learn 0.22.1样本跟踪数据集结构- Set the dataset folder as following structure MOT | TUD-Stadtmitte | | det | | gt | | i