Loading [MathJax]/jax/output/CommonHTML/config.js
前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
MCP广场
社区首页 >专栏 >懒人福音!CasaOS设备上轻松部署小雅AList,内网穿透远程观影不是梦!

懒人福音!CasaOS设备上轻松部署小雅AList,内网穿透远程观影不是梦!

作者头像
E绵绵
发布于 2024-11-15 01:12:58
发布于 2024-11-15 01:12:58
2K02
代码可运行
举报
文章被收录于专栏:编程学习之路编程学习之路
运行总次数:2
代码可运行

前言

本文主要介绍如何在安装了轻NAS系统CasaOS的小主机中部署小雅AList,并使用AList挂载小雅alist,结合cpolar内网穿透工具轻松实现远程访问小雅中的海量资源。无需公网IP,也不用设置路由器那么麻烦。

之前和大家分享了如何在CasaOS玩客云Docker部署AList结合cpolar内网穿透远程离线下载文件上传网盘,大家觉得很有趣,也有人希望能看看如何在玩客云上部署小雅并使用AList挂载,这样查看资源更加方便,内容也更丰富。

关于小雅Alist就不多介绍了,懂的都懂,于是今天就和大家分享一下,流程同样非常简单,一行命令就能实现。

image-20240604185401236
image-20240604185401236

1. 本地部署AList

首先,我们需要一台已经刷好了CasaOS的小主机,如果有不知道如何刷机的同学,可以看一下这篇文章:玩客云如何刷CasaOS系统打造低成本个人轻NAS?

然后我们需要先在玩客云中部署AList网盘挂载神器,具体教程可以参考前言中提到的文章,这里不再展开介绍。

需要提到的一点是,部署好AList后,点击图标会在浏览器打开AList的Web管理界面,这个时候需要输入账号密码,很多人往往卡在这第一步了。

账号默认为admin,但不同版本的casaos可能不会在应用日志中直接查看到密码,所以需要在终端中执行下方命令,随机生成或者手动设置密码,这里我演示的是设置随机密码,因为之后进入管理界面也可以修改密码:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
# 随机生成一个密码
docker exec -it alist ./alist admin random
# 手动设置一个密码,`NEW_PASSWORD`是指你需要设置的密码
docker exec -it alist ./alist admin set NEW_PASSWORD

大家可以使用shell工具通过ssh远程进入终端,也可以在casaos主界面点击右上角自带的终端与日志按钮通过root账号密码进入终端。

image-20240605150529359
image-20240605150529359

另外,我本次演示部署的AList的名字为alist-alist-1,并不是上面命令行中的第一个alist,所以大家也需要看自己的AList的NAMES实际是什么(执行docker ps命令即可查看),然后进行修改,只修改第一个alist即可。后边的./alist不用修改。

image-20240604171811853
image-20240604171811853

可以看到,密码为08mfAunS,我们回到浏览器AList登录界面,输入账号密码登录:

image-20240604172141667
image-20240604172141667

可以看到现在提示还没有挂载网盘,稍后挂载阿里云盘进行演示。

PS:进入玩客云终端需要使用root账号和密码,密码可以在上边的玩客云刷机教程中获取,默认为1234

首先点击管理,修改密码。

image-20240604172408268
image-20240604172408268

修改密码后需要重新登录,重新登录即可。

2. AList挂载网盘

登录后,我们挂载网盘,该流程继续参考前言中的AList教程即可。

主要对以下这些设置进行配置与修改即可:

**挂载路径:**阿里云盘(随意起名,自己能分辨且不和其他网盘名字相同即可)

**web代理:**选项打开

**WebDAV 策略:**选择本地代理

**刷新令牌:**refresh token,点击这个地址进行获取:阿里云盘 Open | AList文档 (nn.ci)

image-20240604173407083
image-20240604173407083

如上图所示即为AList成功挂载网盘。

3. 部署小雅alist

在部署小雅alist前我们需要获取以下2个非常重要的token和阿里云盘转存目录folder id的准备工作。

3.1 Token获取

首先我们需要登录:QR Code扫码获取阿里云盘refresh token (aliyuntoken.vercel.app)

使用手机上的阿里云盘APP扫码,获得第一个32位长的阿里云盘Token:

image-20240604174821292
image-20240604174821292
image-20240604175341585
image-20240604175341585

把它复制下来保存好。

然后复制刚才在AList挂载阿里云盘时候获得的335位Token,这是第二个Token:

image-20240604175306323
image-20240604175306323

把它复制下来保存好。

然后需要获取最后一个数据,登录网页版阿里云盘

阿里云盘 (alipan.com)

然后选择资源库,创建一个文件夹,这里我将它命名为xiaoya

image-20240604175756295
image-20240604175756295

然后进入文件夹,复制地址栏中最后一个斜杠后的字符串,这个就是需要准备好的最后一个转存目录id,把它复制下来保存好。

image-20240604175915762
image-20240604175915762

这三个数据保存好,即可进入下一步部署小雅alist了。

3.2 部署小雅

我们回到CasaOS终端,重新输入root账号密码登录:

执行下方命令部署小雅alist

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
bash -c "$(curl http://docker.xiaoya.pro/update_new.sh)" -s host

然后按顺序输入上边获取的两个token和转存目录id:

image-20240604181319813
image-20240604181319813

部署完成后,我们回到玩客云界面,可以看到新增了待重建的xiaoya应用,重建即可。

1717496314753
1717496314753

IP地址栏输入玩客云主机IP(在路由器查看),端口输入5678:

1717496268286
1717496268286

然后点击既可在浏览器打开小雅web界面,显示获取设置失败,正在加载存储,这是正常现象,因为资源较多,稍等几分钟再刷新页面即可。

1717496372101
1717496372101

可以看到,已经能正常显示全部资源了。

1717496659073
1717496659073

此时,我们已经成功在玩客云中部署了小雅alist。

PS:如果因为网络问题拉取不到docker镜像,可以在终端执行 nano /etc/docker/daemon.json

输入:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
{
   "registry-mirrors": [
       "https://docker.m.daocloud.io",
       "https://docker.1panel.live"
   ]
}

保存退出

然后执行:sudo systemctl restart docker

3.3 挂载小雅alist到AList中

现在我们已经可以在局域网内输入玩客云主机的ip地址加上小雅的端口号5678访问小雅中的资源了,本教程接下来将演示如何把它挂载到AList网盘挂载神器上,这样之后管理小雅和你的其他网盘资源时也更加方便。

首先,我们需要在玩客云终端中执行下方命令创建一个在AList中挂载小雅所需要的token:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
docker exec -i xiaoya sqlite3 data/data.db <<EOF
select value from x_setting_items where key = "token";
EOF

同样,上边命令中的xiaoya要以你部署的小雅NAMES为准,我这里的名称是xiaoya-xiaoya-1,所以要将xiaoya替换为xiaoya-xiaoya-1

1717497677559
1717497677559

可以看到成功生成了token,复制保存好。

然后我们回到AList的web界面,地址是玩客云主机ip加上端口号5244:

image-20240604184154002
image-20240604184154002

点击添加,驱动选择AList V3

image-20240604184312522
image-20240604184312522

**挂载路径:**随意,中英文都可以,我这里演示使用:/xiaoya

**根文件夹路径:**斜杠即可

**链接:**输入小雅alist的地址,即为http://玩客云主机ip加上端口号5678

**令牌:**输入刚才获取的小雅挂载token即可

image-20240604184658653
image-20240604184658653
image-20240604184822798
image-20240604184822798

然后点击添加即可,可以看到已经挂载好了小雅alist

image-20240604184923069
image-20240604184923069

此时,我们回到AList的主页,即能在这里对小雅alist和其他网盘中的资源进行管理了。

image-20240604185037784
image-20240604185037784
image-20240604185051732
image-20240604185051732

可以直接点开文件夹中的资源,进行高清播放:

image-20240605112609641
image-20240605112609641

现在我们成功在本地玩客云使用部署了小雅AList并挂载到了AList中进行管理,但如果想实现出门在外,也能随时随地访问小雅,或者其他部署在本地的服务。那就需要借助cpolar内网穿透工具来实现公网访问了!接下来介绍一下如何安装cpolar内网穿透并实现小雅AList的公网访问!

4. Cpolar内网穿透安装

首先进入终端,执行下面的命令:

image-20240605112936558
image-20240605112936558
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
curl -L https://www.cpolar.com/static/downloads/install-release-cpolar.sh | sudo bash
image-20240313145003852
image-20240313145003852

然后启动cpolar服务:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sudo systemctl start cpolar

配置cpolar开机自启动:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
sudo systemctl enable cpolar

查看服务状态:

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
systemctl status cpolar

能看到cpolar服务已经正常启动。

image-20240313153116599
image-20240313153116599

然后执行下面的命令查看版本号,有正常显示版本号即为安装成功

代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
cpolar version
image-20240313145127582
image-20240313145127582

可以看到版本号,安装成功。

5. 创建公网地址

因为我们成功在AList中挂载了小雅alist,所以我们使用cpolar内网穿透工具为AList配置公网地址即可同时远程访问管理小雅alist。

首先在浏览器访问cpolar官网:https://www.cpolar.com

注册账号后登录cpolar官网后台

cpolar安装成功并启动服务后,在外部浏览器上访问CasaOS玩客云主机IP的9200端口即:【http://服务器的局域网ip:9200】,使用cpolar账号登录,登录后在Web UI管理界面配置即可。

本文演示CasaOS玩客云主机的IP地址是192.168.50.165,大家需要根据自己路由器中onecloud的IP地址进行修改:

image-20240605113234669
image-20240605113234669

登录cpolar web UI管理界面后,点击左侧仪表盘的隧道管理——创建隧道:

  • 隧道名称:可自定义,注意不要与已有的隧道名称重复,本例使用了:xiaoya
  • 协议:http
  • 本地地址:5244
  • 域名类型:随机域名
  • 地区:选择China TOP

点击创建

image-20240605113424893
image-20240605113424893

隧道创建成功后,点击左侧的状态——在线隧道列表,查看所生成的公网访问地址,有两种访问方式,一种是http 和https,任选其一到浏览器访问即可。

image-20240605113454313
image-20240605113454313

在浏览器地址栏输入cpolar生成的公网地址,可以看到成功访问本地玩客云CasaOS的AList Web UI页面。

image-20240605113735487
image-20240605113735487

输入账号密码即可成功登录:

image-20240605113814704
image-20240605113814704
image-20240605113827780
image-20240605113827780

小结

为了方便演示,我们在上边的操作过程中使用cpolar生成的HTTP公网地址隧道,其公网地址是随机生成的。

这种随机地址的优势在于建立速度快,可以立即使用。然而,它的缺点是网址是随机生成,这个地址在24小时内会发生随机变化,更适合于临时使用。

如果有长期远程访问本地玩客云中部署的小雅alist,或者是其他本地服务的需求,但又不想每天重新配置公网地址,还想地址好看又好记,那我推荐大家选择使用固定的HTTP公网地址来远程访问。

6. 配置固定公网地址

登录cpolar官网,点击左侧的预留,选择保留二级子域名,地区选择China VIP,设置一个二级子域名名称,点击保留,保留成功后复制保留的二级子域名名称,这里我填写的是myxy,大家也可以自定义喜欢的名称。

image-20240605114104556
image-20240605114104556

保留成功后复制保留成功的二级子域名的名称:myxy,返回登录Cpolar web UI管理界面,点击左侧仪表盘的隧道管理——隧道列表,找到所要配置的隧道xiaoya,点击右侧的编辑:

image-20240605114147794
image-20240605114147794

修改隧道信息,将保留成功的二级子域名配置到隧道中

  • 域名类型:选择二级子域名
  • Sub Domain:填写保留成功的二级子域名:myxy
  • 地区:选择China VIP

点击更新(注意,点击一次更新即可,不需要重复提交)

image-20240605114227535
image-20240605114227535

更新完成后,打开在线隧道列表,此时可以看到公网地址已经发生变化,由随机地址名称变成了两个固定的二级子域名:

image-20240605114252424
image-20240605114252424

最后,我们使用任意一个固定公网地址在浏览器访问,可以看到访问成功,这样一个固定且永久不变的公网地址就设置好了,随时随地都可以远程访问本地的玩客云部署的AList服务与挂载的小雅alist了!

image-20240605114409893
image-20240605114409893
image-20240605114435692
image-20240605114435692

以上就是如何在CasaOS玩客云安装cpolar内网穿透工具,并配置固定不变的二级子域名公网地址实现远程访问本地部署的小雅alist的全部流程,感谢您的观看,有任何问题欢迎留言交流。

本文参与 腾讯云自媒体同步曝光计划,分享自作者个人站点/博客。
原始发表:2024-11-13,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 作者个人站点/博客 前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
暂无评论
推荐阅读
编辑精选文章
换一批
CVPR 2024 | 图像超分、图像恢复汇总!用AIGC扩散模型diffusion来解决图像low-level任务的思路
超分辨率(SR)和图像生成是计算机视觉中重要的任务,在现实应用中得到广泛采用。然而,大多数现有方法仅在固定放大倍数下生成图像,并且容易出现过平滑和伪影。此外,在输出图像的多样性和不同尺度下的一致性方面也不足。大部分相关工作应用了隐式神经表示(INR)到去噪扩散模型中,以获得连续分辨率的多样化且高质量的SR结果。由于该模型在图像空间中操作,所以产生分辨率越大的图像,需要的内存和推理时间也越多,并且它也不能保持尺度特定的一致性。
公众号机器学习与AI生成创作
2024/04/12
4.3K0
CVPR 2024 | 图像超分、图像恢复汇总!用AIGC扩散模型diffusion来解决图像low-level任务的思路
CVPR 2023 | 去雨去噪去模糊,图像low-level任务,视觉AIGC系列
基于Transformer的方法在图像去雨任务中取得了显著的性能,因为它们可以对重要的非局部信息进行建模,这对高质量的图像重建至关重要。本文发现大多数现有的Transformer通常使用查询-键对中的所有token的相似性进行特征聚合。然而,如果查询中的token与键中的token不同,从这些token估计的自关注值也会涉及到特征聚合,这相应地会干扰清晰的图像恢复。
公众号机器学习与AI生成创作
2023/08/22
1.7K0
CVPR 2023 | 去雨去噪去模糊,图像low-level任务,视觉AIGC系列
SFT-GAN、CSRCNN、CSNLN、HAN+、Config (f)…你都掌握了吗?一文总结超分辨率分析必备经典模型(三)
 机器之心专栏 本专栏由机器之心SOTA!模型资源站出品,每周日于机器之心公众号持续更新。 本专栏将逐一盘点自然语言处理、计算机视觉等领域下的常见任务,并对在这些任务上取得过 SOTA 的经典模型逐一详解。前往 SOTA!模型资源站(sota.jiqizhixin.com)即可获取本文中包含的模型实现代码、预训练模型及 API 等资源。 本文将分 3 期进行连载,共介绍 16 个在超分辨率任务上曾取得 SOTA 的经典模型。 第 1 期:SRCNN、DRCN、FSRCNN、ESPCN、SRGAN、RED
机器之心
2023/05/01
8290
SFT-GAN、CSRCNN、CSNLN、HAN+、Config (f)…你都掌握了吗?一文总结超分辨率分析必备经典模型(三)
ICCV 2023 | 9篇论文看扩散模型diffusion用于图像恢复任务:超分、恢复、增强、去模糊、去阴影
尽管高光谱图像(hyperspectral image,HSIs)在执行各种计算机视觉任务中的重要性已被证明,但由于在空间域中具有低分辨率(LR)属性,其潜力受到不利影响,这是由多种物理因素引起的。
公众号机器学习与AI生成创作
2024/01/30
6.7K0
ICCV 2023 | 9篇论文看扩散模型diffusion用于图像恢复任务:超分、恢复、增强、去模糊、去阴影
使用多尺度扩散实现超分辨率的频域细化
单张图像的超分辨率(SR)是一项至关重要的任务,并吸引了持续的研究兴趣,这对于提高各种下游任务的低分辨率(LR)图像的质量起着至关重要的作用。从频域的角度来看,导致LR图像的自然或人为退化过程可以看作是对相应高分辨率(HR)图像的广泛低通滤波,导致高频细节的显著损失。因此,重建高质量HR图像的主要难点在于对缺失的高频信息的恢复。近年来,随着深度学习技术的不断创新,出现了各种超分辨率方法。这些方法可以分为两类,即基于回归的方法和生成方法。
用户1324186
2024/06/25
1K0
使用多尺度扩散实现超分辨率的频域细化
GAN的发展系列三(LapGAN、SRGAN)
一、 LapGAN 论文:《Deep Generative Image Models using a Laplacian Pyramid of Adversarial Networks》 论文地址:https://arxiv.org/abs/1506.05751 1、基本思路 LapGAN是建立在GAN和CGAN的基础上,采用Laplacian Pyramid拉普拉斯金字塔的方式生成由粗到细的图像,从而生成高分辨率图像。在金字塔的每一层都是学习与相邻层的残差,通过不断堆叠CGAN得到最后的分辨率。CGAN我们在前面的文章介绍过就是在GAN的基础上加入了条件约束,来缓解原始GAN生成器生成样本过于自由的问题。 原始GAN的公式为:
Minerva
2020/06/17
1.7K0
CVPR2024 | CoSeR:连接图像与语言实现认知超分辨率
真实世界的图像超分辨率(SR)是图像处理领域的一项基本任务,旨在增强低分辨率(LR)图像,生成对应的高分辨率(HR)图像。尽管近年来该领域取得了重大进展,但复杂现实场景的处理仍然面临着持久的挑战。利用图像先验是解决现实世界SR问题的常用策略,而最近出现的文生图扩散模型显示出基于用户提供的提示生成高质量图像的卓越能力。这些模型不仅具有强大的图像先验,而且能够以语言的形式对人类指令做出精确的反应。这展示了连接低级图像处理和高级抽象认知的可能性。传统的图像超分辨率技术坚持自下而上的方法,主要集中于局部内容和直接像素级处理。这些方法在把握整体图像上下文方面表现出固有的局限性,往往无法恢复严重退化但语义上至关重要的细节。此外,考虑到LR图像的病态性质,有可能引入语义错误的纹理。为了应对这些挑战,有必要为 SR 模型注入“认知”能力。因此,本文提出了一种先进的 SR 方法,称为认知超分辨率(CoSeR),它与人类在图像感知中采用的自上而下的认知过程一致。它从认知嵌入的生成开始,这是一种封装了 LR 图像总体理解的表示,包含场景语义和图像外观。这种认知嵌入能够精确地利用嵌入在预训练的文生图模型中的隐含先验知识,从而以类似于人类专业知识的方式增强恢复图像细节的能力。先前的工作使用分割图来提供语义,然而,获取现实世界LR图像的理想的分割图仍然很困难,且语义分割受限于预先定义的类别,限制了它在开放世界场景中的适用性。除了隐式地利用扩散先验,本文还显式地利用了图像先验。本文提出了一种新的方法,使用来自 LR 输入的认知嵌入,通过扩散模型生成参考图像,并将其用于指导恢复过程。如图1所示,认知嵌入包含了语言理解,同时保留了图像的颜色和纹理信息,从而产生了高质量的参考图像,不仅在语义上对齐,而且在外观上相似。这种显式方法在捕获高清纹理方面带来了实质性的改进。为了同时保证纹理的真实感和保真度,本文引入了一种“All-in-Attention”设计,通过注意机制集成了多个信息源,包括认知嵌入、参考图像和 LR 输入。这种方法允许模型灵活地使用不同的条件组件,从而产生改进的结果。实验表明,与以前的方法相比,本文的模型在生成更复杂的纹理的同时保持了保真度。
用户1324186
2024/04/12
1.1K0
CVPR2024 | CoSeR:连接图像与语言实现认知超分辨率
超分辨率 | 综述!使用深度学习来实现图像超分辨率
今天给大家介绍一篇图像超分辨率邻域的综述,这篇综述总结了图像超分辨率领域的几方面:problem settings、数据集、performance metrics、SR方法、特定领域应用以结构组件形式,同时,总结超分方法的优点与限制。讨论了存在的问题和挑战,以及未来的趋势和发展方向。
AI算法修炼营
2020/05/26
7K0
超分辨率 | 综述!使用深度学习来实现图像超分辨率
ICCV2021 RealVSR: ​业界首个移动端真实场景视频超分数据集。 附:深度思考
视频超分旨在对低分辨率视频提升分辨率的同时对细节进行增强(可能还会附带噪声抑制、压缩伪影移除亦或取出运动模糊)。现有的视频超分方案大多在合成数据上进行训练,这种简单的退化机制在面对真实场景的复杂退化时就会出现严重的性能下降。因此,如何将学术界的视频超分方案应用到真实场景,或者缩小两者之间的性能差异就更为值得进行探索与研究 。
AIWalker
2021/09/17
1.6K0
ICCV2021 RealVSR: ​业界首个移动端真实场景视频超分数据集。 附:深度思考
AI:你总要高清视频,它来了
Magnific 图像超分 & 增强工具还正在火热体验中,它强大的图像升频与再创能力收获一致好评。现在,视频领域也有了自己的 Magnific。
机器之心
2024/01/17
2210
AI:你总要高清视频,它来了
CVPR 2020 | 几篇GAN在low-level vision中的应用论文
【图像分离、去雨/反射/阴影等】Deep Adversarial Decomposition: A Unified Framework for Separating Superimposed Images
公众号机器学习与AI生成创作
2020/06/19
1.3K0
CVPR 2020 | 几篇GAN在low-level vision中的应用论文
CVPR 2025 Oral | DiffFNO:傅里叶神经算子助力扩散,开启任意尺度超分辨率新篇章
本文由圣路易斯华盛顿大学与北京大学联合完成,第一作者为圣路易斯华盛顿大学的刘晓一,他在北京大学访问期间完成了该项研究;通讯作者为北京大学计算机学院唐浩助理教授 / 研究员。
机器之心
2025/05/05
3290
CVPR 2025 Oral | DiffFNO:傅里叶神经算子助力扩散,开启任意尺度超分辨率新篇章
【计算摄影】图像与视频超分辨,深度学习核心技术与展望
图像超分,就是要将低分辨率的图像恢复为高分辨率的图像,它在日常的图像和视频存储与浏览中都有广泛的应用,本次我们介绍基于深度学习的图像超分辨核心技术。
用户1508658
2021/05/10
1.1K0
【计算摄影】图像与视频超分辨,深度学习核心技术与展望
零基础 Pytorch 入门超分辨率
超分辨率(Super-Resolution, SR)重建技术的基本思想是釆用信号处理的方法,在改善低分辨率(Low Resolution, LR)图像质量的同时,重建成像系统截止频率之外的信息,从而在不改变硬件设备的前提下,获取高分辨率(High Resolution, HR)的图像。
OpenMMLab 官方账号
2022/01/18
1K0
零基础 Pytorch 入门超分辨率
IBC 2023 | 最新人工智能/深度学习模型趋势在超分辨率视频增强中的技术概述
超分辨率(SR)方法指的是从低分辨率输入生成高分辨率图像或视频的过程。这些技术几十年来一直是研究的重要课题,早期的 SR 方法依赖于空间插值技术。虽然这些方法简单且有效,但上转换图像的质量受到其无法生成高频细节的能力的限制。随着时间的推移,引入了更复杂的方法,包括统计、基于预测、基于块或基于边缘的方法。然而,最显著的进步是由新兴的深度学习技术,特别是卷积神经网络(CNNs)带来的。尽管卷积神经网络(CNNs)自 20 世纪 80 年代以来就存在,但直到 20 世纪 90 年代中期,由于缺乏适合训练和运行大型网络的硬件,它们才开始在研究社区中获得广泛关注。
用户1324186
2024/03/20
4230
IBC 2023 | 最新人工智能/深度学习模型趋势在超分辨率视频增强中的技术概述
超分辨率技术如何发展?这6篇ECCV 18论文带你一次尽览
在这篇文章中,亲历了ECCV 2018的机器学习研究员Tetianka Martyniuk挑选了6篇ECCV 2018接收论文,概述了超分辨率(Super-Resolution, SR)技术的未来发展趋势。
量子位
2018/10/26
3.3K0
CVPR 2021 Oral | GLEAN:基于隐式生成库的高倍率图像超分辨率
在 CVPR 2021 上, 南洋理工大学 S-Lab 和商汤科技等提出的隐式生成库(Generative Latent Bank), 针对高倍率图像超分辨中的质量和保真度问题提出了一个新的思路。GLEAN 通过利用预训练的 GAN 中丰富多样的先验知识,得到有效的超分效果。与现有方法相比,由 GLEAN 放大的图像在保真度和纹理真实度方面显示出明显的改进。
AI科技评论
2021/04/29
1.6K0
AIM2020 Real World SR(真实场景超分)
作者:薰风初入弦 知乎:https://zhuanlan.zhihu.com/p/295646725
AIWalker
2020/11/23
1.7K0
AIM2020 Real World SR(真实场景超分)
新视频超分算法来了:CVPR 2021 & NTIRE 2021 冠军
今天给大家带来的干货是新鲜出炉的 CVPR 2021,该文斩获 NTIRE 比赛冠军。目前代码已经 Merge 到 MMEditing 中,欢迎大家尝鲜。
AI科技评论
2021/04/29
1.5K0
卧剿,6万字!30个方向130篇!CVPR 2023 最全 AIGC 论文!一口气读完。
最近,扩散模型在图像生成方面取得了巨大的成功。然而,当涉及到布局生成时,由于图像通常包含多个物体的复杂场景,如何对全局布局图和每个详细对象进行强大的控制仍然是一个具有挑战性的任务。
公众号机器学习与AI生成创作
2023/08/22
4.4K1
卧剿,6万字!30个方向130篇!CVPR 2023 最全 AIGC 论文!一口气读完。
推荐阅读
CVPR 2024 | 图像超分、图像恢复汇总!用AIGC扩散模型diffusion来解决图像low-level任务的思路
4.3K0
CVPR 2023 | 去雨去噪去模糊,图像low-level任务,视觉AIGC系列
1.7K0
SFT-GAN、CSRCNN、CSNLN、HAN+、Config (f)…你都掌握了吗?一文总结超分辨率分析必备经典模型(三)
8290
ICCV 2023 | 9篇论文看扩散模型diffusion用于图像恢复任务:超分、恢复、增强、去模糊、去阴影
6.7K0
使用多尺度扩散实现超分辨率的频域细化
1K0
GAN的发展系列三(LapGAN、SRGAN)
1.7K0
CVPR2024 | CoSeR:连接图像与语言实现认知超分辨率
1.1K0
超分辨率 | 综述!使用深度学习来实现图像超分辨率
7K0
ICCV2021 RealVSR: ​业界首个移动端真实场景视频超分数据集。 附:深度思考
1.6K0
AI:你总要高清视频,它来了
2210
CVPR 2020 | 几篇GAN在low-level vision中的应用论文
1.3K0
CVPR 2025 Oral | DiffFNO:傅里叶神经算子助力扩散,开启任意尺度超分辨率新篇章
3290
【计算摄影】图像与视频超分辨,深度学习核心技术与展望
1.1K0
零基础 Pytorch 入门超分辨率
1K0
IBC 2023 | 最新人工智能/深度学习模型趋势在超分辨率视频增强中的技术概述
4230
超分辨率技术如何发展?这6篇ECCV 18论文带你一次尽览
3.3K0
CVPR 2021 Oral | GLEAN:基于隐式生成库的高倍率图像超分辨率
1.6K0
AIM2020 Real World SR(真实场景超分)
1.7K0
新视频超分算法来了:CVPR 2021 & NTIRE 2021 冠军
1.5K0
卧剿,6万字!30个方向130篇!CVPR 2023 最全 AIGC 论文!一口气读完。
4.4K1
相关推荐
CVPR 2024 | 图像超分、图像恢复汇总!用AIGC扩散模型diffusion来解决图像low-level任务的思路
更多 >
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
本文部分代码块支持一键运行,欢迎体验
本文部分代码块支持一键运行,欢迎体验