論文の概要: Self-Supervised Linear Motion Deblurring

• arxiv url: http://arxiv.org/abs/2002.04070v1
• Date: Mon, 10 Feb 2020 20:15:21 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-02 09:07:20.320051
• Title: Self-Supervised Linear Motion Deblurring
• Title（参考訳）: 自己教師付きリニアモーションデブラリング
• Authors: Peidong Liu, Joel Janai, Marc Pollefeys, Torsten Sattler and Andreas Geiger
• Abstract要約: 深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
• 参考スコア（独自算出の注目度）: 112.75317069916579
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Motion blurry images challenge many computer vision algorithms, e.g, feature detection, motion estimation, or object recognition. Deep convolutional neural networks are state-of-the-art for image deblurring. However, obtaining training data with corresponding sharp and blurry image pairs can be difficult. In this paper, we present a differentiable reblur model for self-supervised motion deblurring, which enables the network to learn from real-world blurry image sequences without relying on sharp images for supervision. Our key insight is that motion cues obtained from consecutive images yield sufficient information to inform the deblurring task. We therefore formulate deblurring as an inverse rendering problem, taking into account the physical image formation process: we first predict two deblurred images from which we estimate the corresponding optical flow. Using these predictions, we re-render the blurred images and minimize the difference with respect to the original blurry inputs. We use both synthetic and real dataset for experimental evaluations. Our experiments demonstrate that self-supervised single image deblurring is really feasible and leads to visually compelling results.
• Abstract（参考訳）: 動きのぼやけ画像は、特徴検出、動き推定、物体認識など、多くのコンピュータビジョンアルゴリズムに挑戦する。 深層畳み込みニューラルネットワークは、画像デブラリングの最先端技術である。 しかし、シャープでぼやけた画像ペアでトレーニングデータを得ることは困難である。 本稿では,映像の鮮明さに頼らずに,実世界のぼやけた画像列からネットワークを学習することのできる,自己監督型モーションデブロアリングのための識別可能なリブロアモデルを提案する。 我々の重要な洞察は、連続した画像から得られる動きの手がかりが、遅延タスクに十分な情報をもたらすことである。 そこで我々は,逆レンダリング問題としてデブロワーリングを定式化し,物理画像形成過程を考慮し,まず,対応する光フローを推定する2つのデブロワード画像を予測する。 これらの予測を用いて、ぼやけた画像を再レンダリングし、元のぼやけた入力に対する差を最小化する。 実験評価には合成データと実データの両方を用いる。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であり、視覚的に魅力的な結果をもたらすことを示した。

関連論文リスト

• Learning Robust Multi-Scale Representation for Neural Radiance Fields from Unposed Images [65.41966114373373]
  コンピュータビジョンにおけるニューラルイメージベースのレンダリング問題に対する改善された解決策を提案する。 提案手法は,テスト時に新たな視点からシーンのリアルなイメージを合成することができる。
  論文  参考訳（メタデータ） (2023-11-08T08:18:23Z)
• Blind Motion Deblurring with Pixel-Wise Kernel Estimation via Kernel Prediction Networks [0.0]
  本研究では,高密度な非一様動きのぼかし推定に基づく学習に基づく動きのぼかし手法を提案する。 我々は、畳み込みに基づく、一様でない運動ぼかし劣化モデルに基づいて合成されたシャープ/ブルーのペアでネットワークを訓練する。
  論文  参考訳（メタデータ） (2023-08-05T20:23:13Z)
• Rethinking Motion Deblurring Training: A Segmentation-Based Method for Simulating Non-Uniform Motion Blurred Images [0.0]
  シャープ/ブルーのイメージペアを生成するための効率的な手続き手法を提案する。 これにより、事実上無制限に現実的で多様なトレーニングペアを生成することができる。 実写映像のブルーリングにおける最終課題に対して,より優れた一般化性能を観察した。
  論文  参考訳（メタデータ） (2022-09-26T13:20:35Z)
• Neural Maximum A Posteriori Estimation on Unpaired Data for Motion Deblurring [87.97330195531029]
  本稿では、ニューラルネットワークをトレーニングし、失明したデータから視覚情報や鋭いコンテンツを復元するためのニューラルネットワークの最大Aポストエリオリ(NeurMAP)推定フレームワークを提案する。 提案されたNeurMAPは、既存のデブロアリングニューラルネットワークに対するアプローチであり、未使用データセット上のイメージデブロアリングネットワークのトレーニングを可能にする最初のフレームワークである。
  論文  参考訳（メタデータ） (2022-04-26T08:09:47Z)
• Mix-up Self-Supervised Learning for Contrast-agnostic Applications [33.807005669824136]
  コントラストに依存しないアプリケーションのための,最初の混合型自己教師型学習フレームワークを提案する。 クロスドメイン・ミックスアップに基づく画像間の低分散に対処し、画像再構成と透明性予測に基づくプレテキストタスクを構築する。
  論文  参考訳（メタデータ） (2022-04-02T16:58:36Z)
• Unsupervised Learning of Monocular Depth and Ego-Motion Using Multiple Masks [14.82498499423046]
  本稿では,モノクロ映像からの複数のマスクを用いた深度・エゴモーションの教師なし学習手法を提案する。 深度推定ネットワークとエゴモーション推定ネットワークは、真理値のない深度とエゴモーションの制約に応じて訓練される。 KITTIデータセットの実験は、深度と自我運動の点で良好なパフォーマンスを達成していることを示す。
  論文  参考訳（メタデータ） (2021-04-01T12:29:23Z)
• Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
  画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。 本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:45:18Z)
• SIR: Self-supervised Image Rectification via Seeing the Same Scene from Multiple Different Lenses [82.56853587380168]
  本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。 我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。 本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-30T08:23:25Z)
• Deblurring by Realistic Blurring [110.54173799114785]
  本稿では,BGAN(Learning-to-blurr GAN)とDBGAN(Learning-to-DeBlur GAN)の2つのモデルを組み合わせた新しい手法を提案する。 第1のモデルであるBGANは、未ペアのシャープでぼやけた画像セットでシャープな画像をぼやかす方法を学習し、第2のモデルであるDBGANをガイドして、そのような画像を正しくデブロアする方法を学ぶ。 さらなる貢献として,多様なぼやけた画像を含むRWBIデータセットについても紹介する。
  論文  参考訳（メタデータ） (2020-04-04T05:25:15Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。