論文の概要: Wavelet-Based Dual-Branch Network for Image Demoireing

• arxiv url: http://arxiv.org/abs/2007.07173v2
• Date: Fri, 17 Jul 2020 06:54:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 14:59:37.686437
• Title: Wavelet-Based Dual-Branch Network for Image Demoireing
• Title（参考訳）: ウェーブレットを用いた画像復調のためのデュアルブランチネットワーク
• Authors: Lin Liu, Jianzhuang Liu, Shanxin Yuan, Gregory Slabaugh, Ales Leonardis, Wengang Zhou, Qi Tian
• Abstract要約: 画像復調のための空間的注意機構を備えたウェーブレットベースのデュアルブランチネットワーク(WDNet)を設計する。 我々のネットワークはウェーブレット領域のモアレパターンを除去し、モアレパターンの周波数を画像の内容から分離する。 さらに,本手法の有効性を実証し,WDNetが非スクリーン画像上のモアレアーティファクトの除去を一般化することを示す。
• 参考スコア（独自算出の注目度）: 148.91145614517015
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When smartphone cameras are used to take photos of digital screens, usually moire patterns result, severely degrading photo quality. In this paper, we design a wavelet-based dual-branch network (WDNet) with a spatial attention mechanism for image demoireing. Existing image restoration methods working in the RGB domain have difficulty in distinguishing moire patterns from true scene texture. Unlike these methods, our network removes moire patterns in the wavelet domain to separate the frequencies of moire patterns from the image content. The network combines dense convolution modules and dilated convolution modules supporting large receptive fields. Extensive experiments demonstrate the effectiveness of our method, and we further show that WDNet generalizes to removing moire artifacts on non-screen images. Although designed for image demoireing, WDNet has been applied to two other low-levelvision tasks, outperforming state-of-the-art image deraining and derain-drop methods on the Rain100h and Raindrop800 data sets, respectively.
• Abstract（参考訳）: スマートフォンのカメラを使ってデジタルスクリーンの写真を撮ると、通常モアレのパターンは写真の品質を著しく低下させる。 本稿では,画像復調のための空間的注意機構を備えたウェーブレット型デュアルブランチネットワーク(wdnet)を設計する。 既存のRGB領域における画像復元手法では,モアレパターンとシーンテクスチャの区別が難しい。 これらの手法とは異なり、ネットワークはウェーブレット領域のモアレパターンを除去し、モアレパターンの周波数を画像コンテンツから分離する。 このネットワークは、高密度な畳み込みモジュールと大きな受容場をサポートする拡張畳み込みモジュールを組み合わせる。 さらに,本手法の有効性を実証し,WDNetが非スクリーン画像上のモアレアーティファクトの除去を一般化することを示した。 画像の復調のために設計されているが、wdnetはrain100hとraindrop800のデータセットで最先端の画像デライニングとderain-dropの2つの低レベルのタスクにそれぞれ適用されている。

関連論文リスト

• ShapeMoiré: Channel-Wise Shape-Guided Network for Image Demoiréing [19.56605254816149]
  光電子ディスプレイの撮影はアナログ信号干渉による望ましくないモワールパターンをしばしば導入する。 この研究は、既存の画像復号法で無視される2つの問題を特定する。 本論文では,画像復号化を支援するShapeMoire法を提案する。
  論文  参考訳（メタデータ） (2024-04-28T12:12:08Z)
• AADNet: Attention aware Demoiréing Network [2.1626093085892144]
  モアレパターンは、モバイルデバイスやデジタルカメラで撮影された写真にしばしば現れる。 本稿では,高解像度画像復号化のための新しい軽量アーキテクチャであるAADNetを提案する。
  論文  参考訳（メタデータ） (2024-03-13T09:48:11Z)
• BrushNet: A Plug-and-Play Image Inpainting Model with Decomposed Dual-Branch Diffusion [61.90969199199739]
  BrushNetは、ピクセルレベルのマスク付きイメージ機能を事前訓練されたDMに埋め込むために設計された、新しいプラグアンドプレイデュアルブランチモデルである。 BrushNetは、画像品質、マスク領域保存、テキストコヒーレンスを含む7つの主要な指標で、既存のモデルよりも優れたパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-03-11T17:59:31Z)
• FPANet: Frequency-based Video Demoireing using Frame-level Post Alignment [6.507353572917133]
  周波数領域と空間領域の両方でフィルタを学習するFPANetという新しいモデルを提案する。 提案手法の有効性を,一般公開された大規模データセットを用いて実証する。
  論文  参考訳（メタデータ） (2023-01-18T06:37:24Z)
• A Wavelet-based Dual-stream Network for Underwater Image Enhancement [11.178274779143209]
  水中画像のカラーキャストやぼやけた細部に対処するウェーブレットベースのデュアルストリームネットワークを提案する。 離散ウェーブレット変換を用いて、入力画像を複数の周波数帯域に分解することで、これらのアーティファクトを別々に処理する。 提案手法を実環境および合成水中データセットの両方で検証し,計算複雑性の低い色補正およびぼかし除去におけるモデルの有効性を示した。
  論文  参考訳（メタデータ） (2022-02-17T16:57:25Z)
• 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)
• Beyond Monocular Deraining: Parallel Stereo Deraining Network Via Semantic Prior [103.49307603952144]
  ほとんどの既存の脱雨アルゴリズムは単一の入力画像のみを使用し、クリーンな画像の復元を目指しています。 本稿では,ステレオ画像とセマンティック情報の両方を利用するPaired Rain Removal Network(PRRNet)を提案する。 単分子および新たに提案したステレオ降雨データセットの両方の実験により,提案手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2021-05-09T04:15:10Z)
• Split then Refine: Stacked Attention-guided ResUNets for Blind Single Image Visible Watermark Removal [69.92767260794628]
  従来の透かし除去方法は,ユーザから透かしの位置を取得したり,マルチタスクネットワークをトレーニングして,背景を無差別に復元する必要があった。 本稿では,注目誘導型ResUNetsを積み重ねた新しい2段階フレームワークを提案し,検出・除去・精錬の過程をシミュレートする。 様々な条件下で4つの異なるデータセット上でアルゴリズムを広範囲に評価し,その手法が他の最先端手法をはるかに上回っていることを示す実験を行った。
  論文  参考訳（メタデータ） (2020-12-13T09:05:37Z)
• Self-Adaptively Learning to Demoire from Focused and Defocused Image Pairs [97.67638106818613]
  モアレアーティファクトはデジタル写真では一般的であり、高周波シーンコンテンツとカメラのカラーフィルタアレイとの干渉によるものである。 大規模反復で訓練された既存のディープラーニングに基づく復習手法は、様々な複雑なモアレパターンを扱う場合に限られる。 本稿では,高頻度画像の復調のための自己適応学習手法を提案する。
  論文  参考訳（メタデータ） (2020-11-03T23:09:02Z)

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。