論文の概要: NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and Haze-Free Images

• arxiv url: http://arxiv.org/abs/2005.03560v1
• Date: Thu, 7 May 2020 15:50:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 23:43:36.768638
• Title: NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and Haze-Free Images
• Title（参考訳）: NH-HAZE:非均一なヘイズフリー画像を用いた画像デハージングベンチマーク
• Authors: Codruta O. Ancuti, Cosmin Ancuti, Radu Timofte
• Abstract要約: NH-HAZEは非同質な現実的データセットであり、実写のヘイズフリー画像とそれに対応するヘイズフリー画像のペアである。 本研究は、NH-HAZEデータセットを用いて評価した、最先端の単一画像デハージング手法の客観的評価を示す。
• 参考スコア（独自算出の注目度）: 95.00583228823446
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image dehazing is an ill-posed problem that has been extensively studied in the recent years. The objective performance evaluation of the dehazing methods is one of the major obstacles due to the lacking of a reference dataset. While the synthetic datasets have shown important limitations, the few realistic datasets introduced recently assume homogeneous haze over the entire scene. Since in many real cases haze is not uniformly distributed we introduce NH-HAZE, a non-homogeneous realistic dataset with pairs of real hazy and corresponding haze-free images. This is the first non-homogeneous image dehazing dataset and contains 55 outdoor scenes. The non-homogeneous haze has been introduced in the scene using a professional haze generator that imitates the real conditions of hazy scenes. Additionally, this work presents an objective assessment of several state-of-the-art single image dehazing methods that were evaluated using NH-HAZE dataset.
• Abstract（参考訳）: 画像のデハジングは、近年広く研究されている不適切な問題である。 本手法の目標性能評価は,参照データセットの欠如による大きな障害の1つである。 合成データセットは重要な制限を示しているが、最近導入された数少ない現実的なデータセットは、シーン全体にわたって均質なヘイズを仮定している。 多くの実例において、ヘイズが均一に分布しないため、実際のヘイズとそれに対応するヘイズフリーの画像のペアを持つ非均一な現実的データセットであるNH-HAZEを導入する。 これは、55の屋外シーンを含む、最初の均質でない画像デハージングデータセットである。 非均質のヘイズがプロのヘイズジェネレータを使ってシーンに導入され、ハズシーンの実態を模倣している。 さらに,nh-hazeデータセットを用いて評価した,最先端の単一画像デハジング手法を客観的に評価した。

関連論文リスト

• A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
  本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。 このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。 このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
  論文  参考訳（メタデータ） (2022-06-13T19:14:06Z)
• From Synthetic to Real: Image Dehazing Collaborating with Unlabeled Real Data [58.50411487497146]
  ラベルのない実データと協調する新しい画像デハージングフレームワークを提案する。 まず,特徴表現を3つの成分マップに切り離す不整合画像デハージングネットワーク(DID-Net)を開発する。 そして、無ラベルの実データと協調して単一画像のデハージングを促進するために、不整合平均教師ネットワーク(DMT-Net)を用いる。
  論文  参考訳（メタデータ） (2021-08-06T04:00:28Z)
• Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning [52.07698484363237]
  本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。 本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-04-05T13:04:44Z)
• Dehaze-GLCGAN: Unpaired Single Image De-hazing via Adversarial Training [3.5788754401889014]
  単一画像デハジングのためのデハジンググローバルローカルサイクル一貫性生成適応ネットワーク(Dehaze-GLCGAN)を提案する。 3つのベンチマークデータセットに対する実験により、ネットワークはPSNRとSSIMの点で過去の作業より優れていたことが判明した。
  論文  参考訳（メタデータ） (2020-08-15T02:43:00Z)
• NTIRE 2020 Challenge on NonHomogeneous Dehazing [127.75499962752747]
  本稿は,NTIRE 2020 Challenge on Nonhomogeneous Dehazing of image (Hyzy imageの豊富な詳細の復元)をレビューする。 本研究では,55対のリアルヘイズフリーおよび非均一ヘイズ画像からなる新しいデータセットであるNH-Hazeについて,提案手法とその評価結果に焦点を当てた。
  論文  参考訳（メタデータ） (2020-05-07T13:29:56Z)
• FD-GAN: Generative Adversarial Networks with Fusion-discriminator for Single Image Dehazing [48.65974971543703]
  画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。 我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。 実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
  論文  参考訳（メタデータ） (2020-01-20T04:36:11Z)

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。