公开(公告)号：CN118279178B

公开(公告)日：2024-09-13

申请号：CN202410675877.4

申请日：2024-05-29

Applicant: 华侨大学

Inventor： 宋佳讯 ,  黄德天 ,  黄小茜 ,  郭耀辉 ,  阮淼华 ,  黄静 ,  舒泊智 ,  王一凡

IPC: G06T5/70 ,  G06N20/00 ,  G06T3/08 ,  G06T5/77 ,  G06V10/74 ,  G06F17/13

Abstract: 本发明公开了一种基于扩散生成模型的快速人脸图像复原方法及系统，涉及图像复原领域，方法包括以下步骤：制作数据集与选择预训练模型，以获得预训练扩散生成模型；基于预训练扩散生成模型获得快速人脸图像复原模型；利用快速人脸图像复原模型实现对于失真人脸图像的快速复原；所述基于预训练扩散生成模型获得快速人脸图像复原模型，包括：在预训练扩散生成模型的前向加噪模块中添加普罗米修斯随机微分方程，以及在预训练扩散生成模型的反向去噪模块中添加条件引导投影。本发明不仅可以实现复原图像真实性与一致性的保障，而且能大幅度缩短图像复原所需要的时间。

公开(公告)号：CN119180753B

公开(公告)日：2025-03-14

申请号：CN202411681831.X

申请日：2024-11-22

Applicant: 华侨大学

Inventor： 林明昕 ,  黄德天 ,  刘航 ,  王一凡 ,  宋佳讯 ,  陈龙涛 ,  曾焕强

IPC: G06T3/4053 ,  G06N3/045 ,  G06N3/0464 ,  G06T3/4046

Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。

公开(公告)号：CN119359547A

公开(公告)日：2025-01-24

申请号：CN202411936474.7

申请日：2024-12-26

Applicant: 华侨大学

Inventor： 王一凡 ,  黄玉婷 ,  陈泽鑫 ,  张平平 ,  黄德天 ,  陈龙涛 ,  施一帆

IPC: G06T3/4053 ,  G06N3/0464 ,  G06N3/0495 ,  G06T3/4046

Abstract: 本发明设计图像处理技术领域，公开了一种基于特征蒸馏和层间信息交互的轻量级图像超分辨率方法，包括以下步骤：构建动态非对称蒸馏模块和层间全维信息交互模块；基于动态非对称蒸馏模块和层间全维信息交互模块构建轻量级图像超分辨率网络；利用所述轻量级图像超分辨率网络实现图像超分辨率；其中，所述轻量级图像超分辨率网络利用卷积层对输入的低分辨率图像进行浅层特征提取，利用动态非对称蒸馏模块和层间全维信息交互模块对浅层特征进行深层特征提取，利用卷积层和上采样对深层特征进行图像重建，得到高分辨率图像。本发明以更轻量、更有效的方式提取关键特征，从而实现在提升重建效果的同时，最小化计算开销和参数量。

公开(公告)号：CN119251050A

公开(公告)日：2025-01-03

申请号：CN202411283089.7

申请日：2024-09-13

Applicant: 华侨大学

Inventor： 朱显丞 ,  黄德天 ,  黄静 ,  王一凡 ,  舒泊智 ,  范宇凌 ,  陈龙涛

IPC: G06T3/4053 ,  G06T3/4046 ,  G06N3/0455 ,  G06N3/0464 ,  G06N3/0499 ,  G06N3/08 ,  G06F17/16

Abstract: 本发明公开了一种基于混合池化Transformer的轻量级图像超分辨率方法及装置，涉及图像处理领域，包括：构建基于混合池化Transformer的轻量级图像超分辨率模型并训练，得到经训练的轻量级图像超分辨率模型；获取待重建的低分辨率图像和尺度因子并输入到经训练的轻量级图像超分辨率模型，低分辨率图像输入第一卷积层，得到第一卷积层的输出特征，第一卷积层的输出特征经过若干个基于混合池化的Transformer模块后，得到最后一个基于混合池化的Transformer模块的输出特征，最后一个基于混合池化的Transformer模块的输出特征与第一卷积层的输出特征相加后依次经过亚像素卷积层和第二卷积层，得到高分辨率重建图像。本发明解决了现有Transformer方法计算复杂度过高的问题。

公开(公告)号：CN119180753A

公开(公告)日：2024-12-24

申请号：CN202411681831.X

申请日：2024-11-22

Applicant: 华侨大学

Inventor： 林明昕 ,  黄德天 ,  刘航 ,  王一凡 ,  宋佳讯 ,  陈龙涛 ,  曾焕强

IPC: G06T3/4053 ,  G06N3/045 ,  G06N3/0464 ,  G06T3/4046

Abstract: 本发明涉及图像超分辨率技术领域，公开了一种特征强化的跨窗口轻量级超分辨率方法、系统及电子设备，方法包括以下步骤：构建基于Token字典交叉的自注意力机制，并引入Token分组机制，组成基于Token分组的字典交叉自注意力模块，即TDAB模块；基于TDAB模块构建特征强化的跨窗口轻量级超分辨率网络；使用所述特征强化的跨窗口轻量级超分辨率网络对待重建的低分辨率图像进行重建，得到重建结果。本方法在经典超分辨率方法的基础上引入基于Token字典交叉的自注意力机制、基于Token分组的混合注意力模块，在使模型更轻量化的同时增强了模型对于跨越窗口依赖的捕获能力以及对于纹理细节特征的重建效果。