論文の概要: Multi-Scale Progressive Fusion Network for Single Image Deraining

• arxiv url: http://arxiv.org/abs/2003.10985v2
• Date: Sat, 28 Mar 2020 17:05:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-20 08:50:01.978700
• Title: Multi-Scale Progressive Fusion Network for Single Image Deraining
• Title（参考訳）: 単一画像レイニングのためのマルチスケールプログレッシブフュージョンネットワーク
• Authors: Kui Jiang and Zhongyuan Wang and Peng Yi and Chen Chen and Baojin Huang and Yimin Luo and Jiayi Ma and Junjun Jiang
• Abstract要約: 空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。 同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。 本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
• 参考スコア（独自算出の注目度）: 84.0466298828417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rain streaks in the air appear in various blurring degrees and resolutions due to different distances from their positions to the camera. Similar rain patterns are visible in a rain image as well as its multi-scale (or multi-resolution) versions, which makes it possible to exploit such complementary information for rain streak representation. In this work, we explore the multi-scale collaborative representation for rain streaks from the perspective of input image scales and hierarchical deep features in a unified framework, termed multi-scale progressive fusion network (MSPFN) for single image rain streak removal. For similar rain streaks at different positions, we employ recurrent calculation to capture the global texture, thus allowing to explore the complementary and redundant information at the spatial dimension to characterize target rain streaks. Besides, we construct multi-scale pyramid structure, and further introduce the attention mechanism to guide the fine fusion of this correlated information from different scales. This multi-scale progressive fusion strategy not only promotes the cooperative representation, but also boosts the end-to-end training. Our proposed method is extensively evaluated on several benchmark datasets and achieves state-of-the-art results. Moreover, we conduct experiments on joint deraining, detection, and segmentation tasks, and inspire a new research direction of vision task-driven image deraining. The source code is available at \url{https://github.com/kuihua/MSPFN}.
• Abstract（参考訳）: 空気中の雨は、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。 同様の降雨パターンは降雨画像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができ、雨のストリーク表現にこのような補完的な情報を利用することができる。 本研究では,入力画像スケールと階層的深層特徴の観点から,雨ストレークのマルチスケール協調表現を,単一画像雨ストレーク除去のためのマルチスケールプログレッシブ・フュージョン・ネットワーク(mspfn)と呼ばれる統一フレームワークで検討する。 異なる位置における類似した雨のストレークに対して,地球規模のテクスチャを捉えるために再帰的な計算を行い,雨のストレークを特徴付ける空間的次元における補完的かつ冗長な情報を探索する。 さらに, マルチスケールのピラミッド構造を構築し, さらに, この相関情報の微細融合を異なるスケールから導くための注意機構を導入する。 このマルチスケールのプログレッシブ融合戦略は、協調表現を促進するだけでなく、エンドツーエンドのトレーニングを促進する。 提案手法は,いくつかのベンチマークデータセット上で広く評価され,最新の結果が得られる。 さらに, 共同デライニング, 検出, セグメンテーションタスクの実験を行い, 視覚タスク駆動画像デライニングの新たな研究方向を導出する。 ソースコードは \url{https://github.com/kuihua/MSPFN} で入手できる。

関連論文リスト

• MDeRainNet: An Efficient Neural Network for Rain Streak Removal from Macro-pixel Images [44.83349966064718]
  我々は,LF画像から降雨ストリーク除去を行うために,MDeRainNetと呼ばれる効率的なネットワークを提案する。 提案するネットワークはマルチスケールエンコーダデコーダアーキテクチャを採用し, 直接マクロピクセル画像(MPI)を用いて降雨除去性能を向上する。 そこで本研究では,MDeRainNetのための新しい半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-15T14:47:02Z)
• Bidirectional Multi-Scale Implicit Neural Representations for Image Deraining [47.15857899099733]
  高品質な画像再構成を実現するために,エンド・ツー・エンドのマルチスケールトランスを開発した。 クローズドループ設計において、劣化した入力を持つ画素座標に基づいて、スケール内の暗黙的ニューラル表現を組み込む。 我々のアプローチはNeRD-Rainと呼ばれ、合成および実世界のベンチマークデータセットにおいて最先端のアプローチに対して好意的に実行されます。
  論文  参考訳（メタデータ） (2024-04-02T01:18:16Z)
• Contrastive Learning Based Recursive Dynamic Multi-Scale Network for Image Deraining [47.764883957379745]
  雨のストリークは撮影画像の可視性を著しく低下させる。 既存のディープラーニングベースの画像デライニング手法では、手作業で構築されたネットワークを使用して、雨の降った画像から明確な画像への直接投影を学習する。 本稿では,雨天画像と澄んだ画像との相関関係を考察した,対照的な学習に基づく画像デライニング手法を提案する。
  論文  参考訳（メタデータ） (2023-05-29T13:51:41Z)
• Online-updated High-order Collaborative Networks for Single Image Deraining [51.22694467126883]
  単一画像のデライン化は、ビデオ監視や自動運転システムなど、下流の人工知能アプリケーションにとって重要なタスクである。 マルチスケールのコンパクトな制約と双方向のスケール・コンテント類似性マイニングモジュールを備えた高階協調ネットワークを提案する。 提案手法は,5つの公開合成と1つの実世界のデータセットに対して,11の最先端手法に対して好意的に機能する。
  論文  参考訳（メタデータ） (2022-02-14T09:09:08Z)
• RCDNet: An Interpretable Rain Convolutional Dictionary Network for Single Image Deraining [49.99207211126791]
  雨畳み込み辞書ネットワーク(RCDNet)と呼ばれる,新しい深層アーキテクチャを具体的に構築する。 RCDNetは雨害の本質的な先行を埋め込んでおり、明確な解釈性を持っている。 このような解釈可能なネットワークをエンドツーエンドにトレーニングすることにより、関連するすべてのレインカーネルと近位演算子を自動的に抽出することができる。
  論文  参考訳（メタデータ） (2021-07-14T16:08:11Z)
• Multi-Scale Hourglass Hierarchical Fusion Network for Single Image Deraining [8.964751500091005]
  雨のひもはサイズ、方向および密度で頻繁に変わる深刻なぼやけおよび視覚質の低下をもたらします。 現在のCNN方式は, 降雨特性の描写や, 可視性に乏しい環境下でのイメージの復元に限られている。 本稿では,マルチスケール抽出,階層蒸留,情報集約による雨天の特徴を正確に把握するために,マルチスケールのHH2F-Netを提案する。
  論文  参考訳（メタデータ） (2021-04-25T08:27:01Z)
• DCSFN: Deep Cross-scale Fusion Network for Single Image Rain Removal [13.794959799789703]
  降雨が画像の視界を著しく低下させるため、降雨は重要なもののコンピュータビジョンの課題である。 以前の研究は主に特徴抽出と処理、あるいはニューラルネットワーク構造に焦点を当てていた。 本稿では,画像雨雨除去課題を解決するために,ネットワークと内規模核融合操作のクロススケールな方法について検討する。
  論文  参考訳（メタデータ） (2020-08-03T10:34:45Z)
• Single Image Deraining via Scale-space Invariant Attention Neural Network [58.5284246878277]
  我々は,カメラに対するレインステーキの外観の視覚的変化に対処するスケールの概念に取り組む。 本稿では,画素領域よりもコンパクトでロバストな畳み込み特徴領域のマルチスケール相関を表現することを提案する。 このようにして、機能マップの最も活発な存在を、有能な特徴として要約する。
  論文  参考訳（メタデータ） (2020-06-09T04:59:26Z)

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。