#image-restoration Repository
Scopri 46 repository GitHub open source attivi contrassegnati con #image-restoration, che raccolgono un totale di 127,502 stelle (con una media di 2,771 stelle per progetto). Il progetto leader di questo argomento è TencentARC/GFPGAN, con 37,311 stelle.
46 repository in totale
GFPGAN mira allo sviluppo di algoritmi pratici per il restauro di volti nel mondo reale.
Real-ESRGAN mira allo sviluppo di algoritmi pratici per il ripristino generale di immagini/video.
SwinIR: Ripristino di Immagini Utilizzando Swin Transformer (repository ufficiale)
[ECCV 2024] Codici di DiffBIR: Verso il ripristino di immagini cieche con priorità di diffusione generativa
Cassetta degli attrezzi per il ripristino delle immagini (PyTorch). Codici di addestramento e test per DPIR, USRNet, DnCNN, FFDNet, SRMD, DPSR, BSRGAN, SwinIR
Il modello di restauro delle immagini all'avanguardia senza funzioni di attivazione non lineari.
[CVPR 2022--Oral] Restormer: Transformer efficiente per il ripristino di immagini ad alta risoluzione. SOTA per motion deblurring, image deraining, denoising (Gaussian/real data) e defocus deblurring.
Implementazione NCNN di Real-ESRGAN. Real-ESRGAN mira allo sviluppo di algoritmi pratici per il ripristino generale delle immagini.
Una raccolta di articoli e codici per CVPR2026/CVPR2025/CVPR2024/CVPR2021/CVPR2020 visione a basso livello
"Retinexformer: Trasformatore basato su Retinex a stadio singolo per il miglioramento di immagini in condizioni di scarsa illuminazione" (ICCV 2023 Top-10 Citato 🏆) & (NTIRE 2024 Secondo Classificato 🏆) & (NTIRE 2025 Vincitore 🏆) & (NTIRE 2026 Vincitore 🏆)
CVPR2023 - Attivazione di più pixel nel Transformer di Super-Risoluzione di Immagini TPAMI - HAT: Transformer di Attenzione Ibrida per il Restauro di Immagini
ResShift: Diffusore Efficiente per il Super-risoluzione di Immagini tramite Residual Shifting (NeurIPS@2023 Spotlight, TPAMI@2024)
[CVPR 2021] Ripristino progressivo multistadio dell'immagine. Risultati SOTA per la rimozione di sfocatura, pioggia e rumore dall'immagine.
[ICLR 2023 Oral] Ripristino di immagini Zero-Shot utilizzando il modello dello spazio nullo di diffusione del denoising
LucidFlux: Restauro di immagini fotorealistiche senza didascalie tramite un trasformatore di diffusione di larga scala, ICLR 2026
Implementazione ufficiale di HYPIR: Harnessing Diffusion-Yielded Score Priors for Image Restoration (SIGGRAPH 2025)
Una toolbox per la ricostruzione dell'imaging spettrale compressivo, inclusi MST (CVPR 2022), CST (ECCV 2022), DAUHST (NeurIPS 2022), BiSCI (NeurIPS 2023), HDNet (CVPR 2022), MST++ (CVPRW 2022), ecc.
[ECCV2024] Pixel-Aware Stable Diffusion per realistica super-risoluzione di immagini e stilizzazione personalizzata
[CVPR 2022] Implementazione ufficiale del paper "Uformer: Un Transformer generale a forma di U per il ripristino delle immagini".
[ICLR2026] SeedVR2: Restauro video a un passo tramite post-allenamento avversario di diffusione
[NeurIPS 2025] 4KAgent: Agentic Any Image to 4K Super-Resolution. Un agente intelligente di visione artificiale che può magicamente ripristinare qualsiasi immagine in perfetti 4K!
[ICLR 2024] Controllo di modelli Vision-Language per il ripristino universale delle immagini. Quinto posto nella sfida NTIRE 2024 Restore Any Image Model in the Wild.
[ICLR 2025] Implementazione ufficiale di Posterior-Mean Rectified Flow: Verso il ripristino di immagini fotorealistiche con MSE minimo
[ECCV 2020] Apprendimento di caratteristiche arricchite per il ripristino e il miglioramento di immagini reali. Risultati SOTA per denoising, super-resolution e miglioramento di immagini.
Image Restoration con Mean-Reverting Stochastic Differential Equations, ICML 2023. Soluzione vincente della NTIRE 2023 Image Shadow Removal Challenge.
[ECCV 2024] InstructIR: Ripristino di immagini di alta qualità seguendo le istruzioni umane https://huggingface.co/spaces/marcosv/InstructIR
[NeurlPS2024] Rete di diffusione efficace in un unico passaggio per la super-risoluzione di immagini reali
[ECCV] Swin2SR: SwinV2 Transformer per Super-Resolution e Restauro di Immagini Compresse. Workshop "Advances in Image Manipulation (AIM)" ECCV 2022. Provalo! Oltre 3,3 milioni di esecuzioni https://replicate.com/mv-lab/swin2sr
Una raccolta di articoli e codici in CVPR2023/2022 sulla visione di basso livello
[IEEE TPAMI 2025] Un sondaggio sulla restaurazione di immagini all-in-one: Tassonomia, valutazione e tendenze future
Elaborazione del segnale immagine AI e fotografia computazionale. Libreria ufficiale per le sfide NTIRE (CVPR) e AIM (ICCV/ECCV). Troverai ISP appresi, ripristino-upsampling-ricostruzione RAW, miglioramento dell'immagine, rendering bokeh e altro ancora!
"MST++: Multi-stage Spectral-wise Transformer for Efficient Spectral Reconstruction" (CVPRW 2022) & (Vincitore della NTIRE 2022 Spectral Recovery Challenge) e uno strumento per la ricostruzione spettrale
[CVPR 2020--Oral] CycleISP: Ripristino di immagini reali tramite sintesi di dati migliorata
🌕 [BMVC 2022] Sono necessari solo 90.000 parametri per adattare la luce: un Transformer leggero per il miglioramento delle immagini e la correzione dell'esposizione. SOTA per il miglioramento in condizioni di scarsa illuminazione, 0,004 secondi, prova questo per la pre-elaborazione.
Registrazione di articoli recenti relativi a 1) compiti di visione di basso livello come il miglioramento della super-risoluzione di immagini/video; 2) generazione di immagini, principalmente metodi basati su DL successivi al 2018.
Modellazione del rumore basata sulla fisica per la fotografia in condizioni di luce estremamente bassa (CVPR 2020 Orale & TPAMI 2021)
InstantIR: Blind Image Restoration con Riferimento Generativo Istantaneo 🔥
🚀🚀🚀 [ICML 2026] Implementazione ufficiale di Robust-U1: gli MLLM possono recuperare autonomamente contenuti visivi corrotti per una comprensione robusta?
Codice ufficiale per l'articolo ICCV 2021 "Towards Flexible Blind JPEG Artifacts Removal (FBCNN)"
Domande frequenti
Qual è il repository #image-restoration più popolare su GitHub?
Il progetto open source #image-restoration più alto in classifica su GitHub è TencentARC/GFPGAN, con 37,311 stelle. GFPGAN mira allo sviluppo di algoritmi pratici per il restauro di volti nel mondo reale.
Quali linguaggi di programmazione sono più utilizzati nei repository #image-restoration?
Tra i progetti #image-restoration più alti in classifica su GitHub, i linguaggi di programmazione più comuni sono Python, Jupyter Notebook, C, C#.
Come viene calcolata la classifica dei repository #image-restoration?
Monitoriamo 46 repository open source attivi contrassegnati con #image-restoration (500+ stelle), per un totale di 127,502 stelle e una media di 2,771 stelle per repository. Le classifiche vengono aggiornate quotidianamente tramite l’API di GitHub.