https://github.com/theLastRefugee/NU-SSSR

NU-SSSR (Non-Uniformly Sparsely Sampled Super Resolution). 非均匀稀疏样本图像超分辨率重建：基于傅里叶变换撒点法与Voronoi-Delaunay三角化的高层视觉与低层视觉并用方法
https://github.com/theLastRefugee/NU-SSSR

Last synced: about 1 month ago
JSON representation

NU-SSSR (Non-Uniformly Sparsely Sampled Super Resolution). 非均匀稀疏样本图像超分辨率重建：基于傅里叶变换撒点法与Voronoi-Delaunay三角化的高层视觉与低层视觉并用方法

• Host: GitHub
• URL: https://github.com/theLastRefugee/NU-SSSR
• Owner: YanjieZe
• Created: 2021-10-29T13:27:52.000Z (almost 3 years ago)
• Default Branch: master
• Last Pushed: 2022-01-02T07:17:35.000Z (over 2 years ago)
• Last Synced: 2024-08-06T23:25:47.143Z (about 2 months ago)
• Language: Jupyter Notebook
• Homepage:
• Size: 29.9 MB
• Stars: 9
• Watchers: 1
• Forks: 0
• Open Issues: 0
• Metadata Files:
  • Readme: README.md

Awesome Lists containing this project

• awesome-cs - @YanjieZe @Purewhite2019, 2021 Fall

README

        
# 非均匀稀疏样本图像超分辨率重建：基于傅里叶变换撒点法与Voronoi-Delaunay三角化的高层视觉与低层视觉并用方法

```

Non-uniformly Sparsely Sampled Image Super-Resolution and Reconstruction: A Method Based on Fourier Transformation Point Sampling and Voronoi-Delaunay Triangulation from High Level Vision and Low Level Vision

```

迮炎杰，刘祺

# 项目说明

本项目为**CS337：计算机图形学**的课程大作业。课题为“非均匀稀疏样本图像超采样”。我们的算法框架主要致力于解决如下问题：将一张非均匀采样的图像尽可能复原为原图。

下面展示了使用我们的算法进行非均匀采样后的图像。这三张图分别为：原图，使用1000个采样点的图像，使用10000个采样点的图像。

![](imgs/img_origin.jpeg)

![](imgs/blur_point1000.jpg)

![](imgs/blur_point10000.png)

# 系统框架

我们的算法框架支持多种采样方法，多种着色方法，多种SOTA的神经网络算法。下图展示了我们的算法的整体流程。

![](imgs/overall.png)

# 使用方法

1. 训练各类CG模型：`sh scripts/train_cg.sh`

2. 测试各类CG模型：`sh scripts/eval_cg.sh`

想要使用不同的模型（SRCNN，SRCNN2，SwinIR，VDSR，MAE）与不同参数请在对应script中修改。