Atenção:
O eduCAPES é um repositório de objetos educacionais, não sendo responsável por materiais de terceiros submetidos na plataforma. O usuário assume ampla e total responsabilidade quanto à originalidade, à titularidade e ao conteúdo, citações de obras consultadas, referências e outros elementos que fazem parte do material que deseja submeter. Recomendamos que se reporte diretamente ao(s) autor(es), indicando qual parte do material foi considerada imprópria (cite página e parágrafo) e justificando sua denúncia.
Caso seja o autor original de algum material publicado indevidamente ou sem autorização, será necessário que se identifique informando nome completo, CPF e data de nascimento. Caso possua uma decisão judicial para retirada do material, solicitamos que informe o link de acesso ao documento, bem como quaisquer dados necessários ao acesso, no campo abaixo.
Todas as denúncias são sigilosas e sua identidade será preservada. Os campos nome e e-mail são de preenchimento opcional. Porém, ao deixar de informar seu e-mail, um possível retorno será inviabilizado e/ou sua denúncia poderá ser desconsiderada no caso de necessitar de informações complementares.
Metadados | Descrição | Idioma |
---|---|---|
Autor(es): dc.contributor | Universidade Estadual de Campinas (UNICAMP) | - |
Autor(es): dc.contributor | Eldorado Research Institute | - |
Autor(es): dc.contributor | Universidade Estadual Paulista (UNESP) | - |
Autor(es): dc.creator | Cotrim, Anderson Nogueira | - |
Autor(es): dc.creator | Barbosa, Gerson | - |
Autor(es): dc.creator | Santos, Cid Adinam Nogueira | - |
Autor(es): dc.creator | Pedrini, Helio | - |
Data de aceite: dc.date.accessioned | 2025-08-21T17:12:03Z | - |
Data de disponibilização: dc.date.available | 2025-08-21T17:12:03Z | - |
Data de envio: dc.date.issued | 2025-04-29 | - |
Data de envio: dc.date.issued | 2023-12-31 | - |
Fonte completa do material: dc.identifier | http://dx.doi.org/10.5220/0012348300003660 | - |
Fonte completa do material: dc.identifier | https://hdl.handle.net/11449/308943 | - |
Fonte: dc.identifier.uri | http://educapes.capes.gov.br/handle/11449/308943 | - |
Descrição: dc.description | Burst super-resolution or multi-frame super-resolution (MFSR) has gained significant attention in recent years, particularly in the context of mobile photography. With modern handheld devices consistently increasing their processing power and the ability to capture multiple images even faster, the development of robust MFSR algorithms has become increasingly feasible. Furthermore, in contrast to extensively studied single-image super-resolution (SISR), burst super-resolution mitigates the ill-posed nature of reconstructing high-resolution images from low-resolution ones by merging information from multiple shifted frames. This research introduces a novel and effective deep learning approach, SBFBurst, designed to tackle this challenging problem. Our network takes multiple noisy RAW images as input and generates a denoised, super-resolved RGB image as output. We demonstrate that significant enhancements can be achieved in this problem by incorporating base frame-guided mechanisms through operations such as feature map concatenation and skip connections. Additionally, we highlight the significance of employing mosaicked convolution to enhance alignment, thus enhancing the overall network performance in super-resolution tasks. These relatively simple improvements underscore the competitiveness of our proposed method when compared to other state-of-the-art approaches. | - |
Descrição: dc.description | Institute of Computing University of Campinas, SP | - |
Descrição: dc.description | Eldorado Research Institute, SP | - |
Descrição: dc.description | São Paulo State University, SP | - |
Descrição: dc.description | São Paulo State University, SP | - |
Formato: dc.format | 77-87 | - |
Idioma: dc.language | en | - |
Relação: dc.relation | Proceedings of the International Joint Conference on Computer Vision, Imaging and Computer Graphics Theory and Applications | - |
???dc.source???: dc.source | Scopus | - |
Palavras-chave: dc.subject | Burst | - |
Palavras-chave: dc.subject | Deep Learning | - |
Palavras-chave: dc.subject | Multi-Frame | - |
Palavras-chave: dc.subject | RAW Image | - |
Palavras-chave: dc.subject | Super-Resolution | - |
Título: dc.title | Simple Base Frame Guided Residual Network for RAW Burst Image Super-Resolution | - |
Tipo de arquivo: dc.type | aula digital | - |
Aparece nas coleções: | Repositório Institucional - Unesp |
O Portal eduCAPES é oferecido ao usuário, condicionado à aceitação dos termos, condições e avisos contidos aqui e sem modificações. A CAPES poderá modificar o conteúdo ou formato deste site ou acabar com a sua operação ou suas ferramentas a seu critério único e sem aviso prévio. Ao acessar este portal, você, usuário pessoa física ou jurídica, se declara compreender e aceitar as condições aqui estabelecidas, da seguinte forma: