論文の概要: Progressive Update Guided Interdependent Networks for Single Image
Dehazing
- arxiv url: http://arxiv.org/abs/2008.01701v2
- Date: Tue, 8 Feb 2022 17:42:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-03 00:40:01.060554
- Title: Progressive Update Guided Interdependent Networks for Single Image
Dehazing
- Title(参考訳): 画像デハージングのための相互依存型ネットワークのプログレッシブアップデート
- Authors: Aupendu Kar, Sobhan Kanti Dhara, Debashis Sen, Prabir Kumar Biswas
- Abstract要約: さまざまな種類の迷路を持つ画像は、デハジングに重大な挑戦をすることが多い。
本稿では,新しいデハジングとヘイズパラメータ更新器ネットワークを含むマルチネットワークデハジングフレームワークを提案する。
筆者らのフレームワークは, 合成および実世界のハズイ画像において, 最先端の手法よりも優れていた。
- 参考スコア(独自算出の注目度): 24.565068569913382
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Images with haze of different varieties often pose a significant challenge to
dehazing. Therefore, guidance by estimates of haze parameters related to its
variety would be beneficial and they should be progressively updated along with
iterative haze reduction to allow optimal dehazing. To this end, we propose a
multi-network dehazing framework containing novel interdependent dehazing and
haze parameter updater networks that operate within a unique iterative
mechanism. The haze parameters, transmission map and atmospheric light, are
first estimated using specific convolutional networks allowing color cast
handling. The estimated parameters are then used as priors in our dehazing
module, where the estimates are progressively updated by novel convolutional
networks using the iterative mechanism. The updating takes place jointly with
progressive dehazing by a convolutional network that invokes inter-iteration
dependencies. The joint updating and dehazing within the iterative mechanism
gradually modify the haze parameter estimates toward achieving optimal
dehazing. Through ablation studies, our iterative dehazing framework is shown
to be more effective than the use of conventional LSTM based recurrence,
image-to-image mapping and haze model based estimation. Our dehazing framework
is qualitatively and quantitatively found to outperform the state-of-the-art on
synthetic and real-world hazy images of several datasets with varied hazy
conditions.
- Abstract(参考訳): さまざまな種類の迷路を持つ画像は、デハジングに重大な挑戦をすることが多い。
したがって、その多様性に関連するヘイズパラメータの推定によるガイダンスは有益であり、最適なデヘイズを可能にするために反復ヘイズ削減と共に段階的に更新されるべきである。
そこで本研究では,一意な反復機構で動作する,新たな相互依存型デハジングおよびヘイズパラメータ更新ネットワークを含むマルチネットワークデハジングフレームワークを提案する。
ハウズパラメータ、透過マップ、大気光は、カラーキャスト処理が可能な特定の畳み込みネットワークを用いて最初に推定される。
推定パラメータをデハジングモジュールの先行値として使用し、反復機構を用いて新たな畳み込みネットワークによって推定値を段階的に更新する。
更新は、イテレーション間の依存関係を起動する畳み込みネットワークによるプログレッシブデハジングと共同で行われる。
反復機構内のジョイント更新とデハジングは、徐々にヘイズパラメータの推定値を変更して最適なデハジングを達成する。
アブレーション研究により,従来のlstmベース再帰法,画像対画像マッピング法,hazeモデルに基づく推定法よりも,反復的脱離フレームワークの方が有効であることが示された。
当社のデヘイジングフレームワークは、さまざまなヘイジング条件を持つ複数のデータセットの合成および実世界のヘイジングイメージの最先端を、質的かつ定量的に上回っていることが分かっています。
関連論文リスト
- Diversify, Don't Fine-Tune: Scaling Up Visual Recognition Training with
Synthetic Images [37.29348016920314]
そこで本研究では,既製の生成モデルを利用して合成訓練画像を生成する新しいフレームワークを提案する。
クラス名の曖昧さ、ナイーブなプロンプトの多様性の欠如、ドメインシフトに対処する。
我々のフレームワークは、より合成データによる認識モデルの性能を一貫して向上させる。
論文 参考訳(メタデータ) (2023-12-04T18:35:27Z) - Steered Diffusion: A Generalized Framework for Plug-and-Play Conditional
Image Synthesis [62.07413805483241]
Steered Diffusionは、無条件生成のために訓練された拡散モデルを用いたゼロショット条件画像生成のためのフレームワークである。
塗装,着色,テキスト誘導セマンティック編集,画像超解像などのタスクに対して,ステアリング拡散を用いた実験を行った。
論文 参考訳(メタデータ) (2023-09-30T02:03:22Z) - Embracing Compact and Robust Architectures for Multi-Exposure Image
Fusion [50.598654017728045]
本稿では,堅牢なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを含む探索型パラダイムを提案する。
シーンリライティングと変形可能な畳み込みを利用して、カメラの動きに拘わらず、画像を正確に調整することができる。
我々は、様々な競争方式と比較して最先端の性能を実現し、一般的なシナリオと不整合シナリオに対するPSNRの4.02%と29.34%の改善を実現した。
論文 参考訳(メタデータ) (2023-05-20T17:01:52Z) - Cross-domain Compositing with Pretrained Diffusion Models [34.98199766006208]
我々は,背景シーンから抽出した文脈情報で注入対象を注入する局所的反復的精錬方式を採用する。
本手法では,アノテーションやトレーニングを必要とせず,高品質で現実的な結果が得られる。
論文 参考訳(メタデータ) (2023-02-20T18:54:04Z) - Effective Data Augmentation With Diffusion Models [65.09758931804478]
我々は、事前訓練されたテキスト・画像拡散モデルによりパラメータ化された画像・画像変換によるデータ拡張の多様性の欠如に対処する。
本手法は,市販の拡散モデルを用いて画像のセマンティクスを編集し,いくつかのラベル付き例から新しい視覚概念に一般化する。
本手法は,実世界の雑草認識タスクと数ショット画像分類タスクにおいて評価し,テスト領域における精度の向上を観察する。
論文 参考訳(メタデータ) (2023-02-07T20:42:28Z) - Auto-regressive Image Synthesis with Integrated Quantization [55.51231796778219]
本稿では,条件付き画像生成のための多目的フレームワークを提案する。
CNNの帰納バイアスと自己回帰の強力なシーケンスモデリングが組み込まれている。
提案手法は,最先端技術と比較して,優れた多彩な画像生成性能を実現する。
論文 参考訳(メタデータ) (2022-07-21T22:19:17Z) - Enhancing Photorealism Enhancement [83.88433283714461]
本稿では,畳み込みネットワークを用いた合成画像のリアリズム向上手法を提案する。
一般的に使用されるデータセットのシーンレイアウトの分布を分析し、重要な方法で異なることを見つけます。
近年のイメージ・ツー・イメージ翻訳法と比較して,安定性とリアリズムの大幅な向上が報告されている。
論文 参考訳(メタデータ) (2021-05-10T19:00:49Z) - Advanced Multiple Linear Regression Based Dark Channel Prior Applied on
Dehazing Image and Generating Synthetic Haze [0.6875312133832078]
筆者らは,ダークチャネル・プリアー(dark channel prior)というデヘイジングアルゴリズムに基づく多重線形回帰ヘイズ除去モデルを提案する。
湿潤環境における物体検出精度を高めるため, 著者らは, 合成湿潤COCOトレーニングデータセットを構築するアルゴリズムを提案する。
論文 参考訳(メタデータ) (2021-03-12T03:32:08Z) - 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。