論文の概要: A General-Purpose Dehazing Algorithm based on Local Contrast Enhancement Approaches

• arxiv url: http://arxiv.org/abs/2006.00568v1
• Date: Sun, 31 May 2020 17:25:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-26 12:58:55.370614
• Title: A General-Purpose Dehazing Algorithm based on Local Contrast Enhancement Approaches
• Title（参考訳）: 局所コントラスト拡張手法に基づく汎用デハジングアルゴリズム
• Authors: Bangyong Sun, Vincent Whannou de Dravo and Zhe Yu
• Abstract要約: 脱毛は霧の環境で撮影された画像を強化する作業である。 本稿では,複数の局所的コントラスト調整アルゴリズムに適した脱ハージング手法を提案する。
• 参考スコア（独自算出の注目度）: 2.383083450554816
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Dehazing is in the image processing and computer vision communities, the task of enhancing the image taken in foggy conditions. To better understand this type of algorithm, we present in this document a dehazing method which is suitable for several local contrast adjustment algorithms. We base it on two filters. The first filter is built with a step of normalization with some other statistical tricks while the last represents the local contrast improvement algorithm. Thus, it can work on both CPU and GPU for real-time applications. We hope that our approach will open the door to new ideas in the community. Other advantages of our method are first that it does not need to be trained, then it does not need additional optimization processing. Furthermore, it can be used as a pre-treatment or post-processing step in many vision tasks. In addition, it does not need to convert the problem into a physical interpretation, and finally that it is very fast. This family of defogging algorithms is fairly simple, but it shows promising results compared to state-of-the-art algorithms based not only on a visual assessment but also on objective criteria.
• Abstract（参考訳）: デハジングは画像処理とコンピュータビジョンのコミュニティであり、霧の状況で撮影された画像を強化するタスクである。 この種のアルゴリズムをよりよく理解するために,本論文では,複数の局所コントラスト調整アルゴリズムに適したデハジング法を提案する。 私たちはそれを2つのフィルターで基盤にします。 最初のフィルタは正規化のステップと他の統計的トリックで構築され、最後は局所コントラスト改善アルゴリズムを表す。 したがって、リアルタイムアプリケーション用のcpuとgpuの両方で動作する。 当社のアプローチがコミュニティの新たなアイデアの扉を開くことを期待しています。 この方法の他の利点は、まず訓練する必要がなく、次に追加の最適化処理を必要としないことである。 さらに、多くのビジョンタスクで前処理または後処理ステップとして使用できる。 さらに、問題を物理的解釈に変換する必要はなく、最終的には非常に高速である。 このデフォッギングアルゴリズムのファミリは比較的単純であるが、ビジュアルアセスメントだけでなく、客観的基準にもとづく最先端のアルゴリズムと比較して有望な結果を示す。

関連論文リスト

• Learning the Positions in CountSketch [49.57951567374372]
  本稿では,まずランダムなスケッチ行列に乗じてデータを圧縮し,最適化問題を高速に解くスケッチアルゴリズムについて検討する。 本研究では,ゼロでないエントリの位置を最適化する学習ベースアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-06-11T07:28:35Z)
• Am\'elioration de la qualit\'e d'images avec un algorithme d'optimisation inspir\'ee par la nature [0.0]
  与えられた画像を改善するために,明示的かつ順序づけられた変換列を得る方法を提案する。 予備的なテストでは、アプローチがさまざまな最先端データセットに与える影響が示される。
  論文  参考訳（メタデータ） (2023-03-13T14:25:39Z)
• Adaptive Non-linear Filtering Technique for Image Restoration [0.0]
  画像中の帯域線, ドロップライン, マーク, バンド損失, インパルスを除去するための決定に基づく非線形アルゴリズムを提案する。 アルゴリズムは2つの同時動作、すなわち、破損したピクセルの検出と、破損したピクセルを置き換えるための新しいピクセルの評価を行う。
  論文  参考訳（メタデータ） (2022-04-20T08:36:59Z)
• Planning and Learning with Adaptive Lookahead [74.39132848733847]
  ポリシーイテレーション(PI)アルゴリズムは、欲求の一段階の改善と政策評価を交互に行う。 近年の文献では、複数段階のルックアヘッドポリシーの改善が、イテレーション毎の複雑さの増加を犠牲にして、よりコンバージェンス率の向上につながることが示されている。 本研究では,多段階の地平線を状態と推定値の関数として動的に適応する手法を初めて提案する。
  論文  参考訳（メタデータ） (2022-01-28T20:26:55Z)
• Lower Bounds and Optimal Algorithms for Smooth and Strongly Convex Decentralized Optimization Over Time-Varying Networks [79.16773494166644]
  通信ネットワークのノード間を分散的に保存するスムーズで強い凸関数の和を最小化するタスクについて検討する。 我々は、これらの下位境界を達成するための2つの最適アルゴリズムを設計する。 我々は,既存の最先端手法と実験的な比較を行うことにより,これらのアルゴリズムの理論的効率を裏付ける。
  論文  参考訳（メタデータ） (2021-06-08T15:54:44Z)
• Community detection using fast low-cardinality semidefinite programming [94.4878715085334]
  局所的な更新を一般化し、ライデン-k-カットから導かれる半定緩和を最大化する、新しい低カルチナリティアルゴリズムを提案する。 提案アルゴリズムはスケーラビリティが高く,最先端のアルゴリズムより優れ,実時間では性能が向上し,追加コストがほとんどない。
  論文  参考訳（メタデータ） (2020-12-04T15:46:30Z)
• Exploiting Non-Local Priors via Self-Convolution For Highly-Efficient Image Restoration [36.22821902478044]
  画像の非局所的類似性を自己管理的に活用する新たな自己畳み込み演算子を提案する。 提案したSelf-Convolutionは、一般的に使われているブロックマッチングステップを一般化し、より安価な計算で等価な結果を生成することができる。 実験により、自己畳み込みは、人気のある非局所画像復元アルゴリズムの大部分を著しく高速化できることが示された。
  論文  参考訳（メタデータ） (2020-06-24T13:24:37Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• A Survey on Patch-based Synthesis: GPU Implementation and Optimization [0.0]
  この論文は、小さな局所領域間の対応を見つけるためのパッチベースの合成とアルゴリズムの研究を調査する。 私たちが研究したアルゴリズムの1つは、PatchMatchで、画像の類似した領域や「パッチ」を見つけることができる。 コンピュータグラフィックスでは、画像から不要な物体を取り除き、画像中の物体をシームレスに移動させ、画像のアスペクト比を変え、映像の要約を行った。
  論文  参考訳（メタデータ） (2020-05-11T19:25:28Z)
• Image Denoising Using Sparsifying Transform Learning and Weighted Singular Values Minimization [7.472473280743767]
  画像デノイング(IDN)処理では、通常、低ランク特性は重要な画像として扱われる。 低ランクの凸緩和近似として、核ノルムに基づくアルゴリズムとその変種が注目されている。 汎用フレームワークにおける画像領域最小化と変換領域の利点を両立させることで、疎性学習変換法を提案する。
  論文  参考訳（メタデータ） (2020-04-02T00:30:29Z)
• Image Matching across Wide Baselines: From Paper to Practice [80.9424750998559]
  局所的な特徴とロバストな推定アルゴリズムの包括的なベンチマークを導入する。 パイプラインのモジュール構造は、さまざまなメソッドの容易な統合、構成、組み合わせを可能にします。 適切な設定で、古典的な解決策は依然として芸術の知覚された状態を上回る可能性があることを示す。
  論文  参考訳（メタデータ） (2020-03-03T15:20:57Z)

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。