論文の概要: Evaluating Single Image Dehazing Methods Under Realistic Sunlight Haze

• arxiv url: http://arxiv.org/abs/2008.13377v1
• Date: Mon, 31 Aug 2020 05:53:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 06:35:22.507447
• Title: Evaluating Single Image Dehazing Methods Under Realistic Sunlight Haze
• Title（参考訳）: 現実的な日光の下での単一画像デハージング手法の評価
• Authors: Zahra Anvari, Vassilis Athitsos
• Abstract要約: Hazeは視界と画質を劇的に劣化させ、オブジェクト検出などのコンピュータビジョンタスクの性能を低下させる。 既存の方法では一様・一様の分布を持ち、一色と推定されることが多い。 本稿では,日光によるヘイズに焦点をあてる。
• 参考スコア（独自算出の注目度）: 3.5788754401889014
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Haze can degrade the visibility and the image quality drastically, thus degrading the performance of computer vision tasks such as object detection. Single image dehazing is a challenging and ill-posed problem, despite being widely studied. Most existing methods assume that haze has a uniform/homogeneous distribution and haze can have a single color, i.e. grayish white color similar to smoke, while in reality haze can be distributed non-uniformly with different patterns and colors. In this paper, we focus on haze created by sunlight as it is one of the most prevalent type of haze in the wild. Sunlight can generate non-uniformly distributed haze with drastic density changes due to sun rays and also a spectrum of haze color due to sunlight color changes during the day. This presents a new challenge to image dehazing methods. For these methods to be practical, this problem needs to be addressed. To quantify the challenges and assess the performance of these methods, we present a sunlight haze benchmark dataset, Sun-Haze, containing 107 hazy images with different types of haze created by sunlight having a variety of intensity and color. We evaluate a representative set of state-of-the-art image dehazing methods on this benchmark dataset in terms of standard metrics such as PSNR, SSIM, CIEDE2000, PI and NIQE. This uncovers the limitation of the current methods, and questions their underlying assumptions as well as their practicality.
• Abstract（参考訳）: Hazeは視界と画質を劇的に劣化させ、オブジェクト検出などのコンピュータビジョンタスクの性能を低下させる。 単一画像デハジングは、広く研究されているにもかかわらず、挑戦的で不適切な問題である。 既存の方法の多くは、ヘイズが均一で均質な分布を持つと仮定しており、ヘイズは1色、すなわち煙に似た灰色がかった白色を持ち、実際のヘイズは異なるパターンや色で非均一に分布することができる。 本稿では,自然界で最も広く分布するハズのひとつとして,日光によって生み出されたハズに注目した。 日光は、日光による急激な密度変化と日中の日光色の変化による光のスペクトルで均一に分布しないヘイズを生成することができる。 これは画像デハジング手法に対する新たな挑戦である。 これらの手法を実践するには、この問題に対処する必要がある。 そこで本研究では,これらの手法の課題を定量化し,その性能を評価するために,さまざまな強度と色彩の日光が生成する,107種類のヘイズ画像を含む日光ヘイズベンチマークデータセットsun-hazeを提案する。 我々は,PSNR,SSIM,CIEDE2000,PI,NIQEなどの標準指標を用いて,このベンチマークデータセット上での最先端画像デハージング手法の代表的なセットを評価する。 これは現在の手法の限界を明らかにし、基礎となる仮定と実用性に疑問を呈する。

関連論文リスト

• HazeSpace2M: A Dataset for Haze Aware Single Image Dehazing [26.97153700921866]
  本研究では HazeSpace2M データセットを紹介した。これは Haze 型分類によるデハージングを強化するために設計された 200 万以上の画像の集合である。 このデータセットを用いて, ヘイズ型分類手法を導入し, 特殊デハザーを用いてヘイズ画像の鮮明化を行う。 本手法は, 実生活におけるヘイズ画像の鮮明さを向上させるために, 型別脱ヘイズを適用する前に, ヘイズタイプを分類する。
  論文  参考訳（メタデータ） (2024-09-25T23:47:25Z)
• SCANet: Self-Paced Semi-Curricular Attention Network for Non-Homogeneous Image Dehazing [56.900964135228435]
  既存の均質脱ハージング法は、強靭な方法でヘイズの不均一分布を扱うのに苦労する。 非均質なイメージデハージングのための,SCANet と呼ばれる新しい自己ペースト半曲的アテンションネットワークを提案する。 本手法は,アテンションジェネレータネットワークとシーン再構築ネットワークから構成される。
  論文  参考訳（メタデータ） (2023-04-17T17:05:29Z)
• See Blue Sky: Deep Image Dehaze Using Paired and Unpaired Training Images [73.23687409870656]
  本稿では,新しいエンドツーエンド画像デヘイズモデルを構築するために,サイクル生成対向ネットワークを提案する。 我々は、実世界の未ペア画像データセットとペア画像データセットのセットを含む、私たちのモデルをトレーニングするために、屋外画像データセットを採用しています。 本モデルでは, サイクル構造に基づいて, 対向損失, サイクル整合損失, フォトリアリズム損失, ペアL1損失を含む4種類の損失関数を付加した。
  論文  参考訳（メタデータ） (2022-10-14T07:45:33Z)
• Unsupervised Neural Rendering for Image Hazing [31.108654945661705]
  Image hazingは、ゲーム、撮影、写真のフィルタリング、画像のデハージングなど、さまざまな実用用途に適用可能な、クリーンな画像からヘイズな画像をレンダリングすることを目的としている。 本稿では,ハゼゲンと呼ばれる画像のレンダリング手法を提案する。具体的には,ハゼゲンは知識駆動型ニューラルネットワークであり,新しい先行情報を利用して送信マップを推定する。 エアライトを適応的に学習するために、別の新しい先行技術に基づいてニューラルモジュールを構築する。
  論文  参考訳（メタデータ） (2021-07-14T13:15:14Z)
• 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)
• Illumination Estimation Challenge: experience of past two years [57.13714732760851]
  第2回照明推定チャレンジ(IEC#2)を行った。 チャレンジには、一般的なもの、屋内のもの、照明が2つあり、それぞれ異なるシーンのパラメーターに焦点を当てていた。 他の主な特徴は、同じカメラセンサーモデルで撮影された画像の新しい大規模なデータセット(約5000)、各画像に付随する手動マークアップ、SpyderCubeキャリブレーションオブジェクトを使用して抽出されたさまざまな照明の下で多くの国で撮影されたシーンの多様なコンテンツ、IEC#1で使用されたCube+データセットからの画像のコンテストのようなマークアップです。
  論文  参考訳（メタデータ） (2020-12-31T17:59:19Z)
• Nighttime Dehazing with a Synthetic Benchmark [147.21955799938115]
  昼間の鮮明な画像から夜間のハズイ画像をシミュレートする3Rという新しい合成法を提案する。 実空間の光色を以前の経験的分布からサンプリングすることにより,現実的な夜間ハズイ画像を生成する。 実験結果は、画像の品質と実行時間の両方の観点から、最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-08-10T02:16:46Z)
• NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and Haze-Free Images [95.00583228823446]
  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。
  論文  参考訳（メタデータ） (2020-05-07T15:50:37Z)
• A Novel Image Dehazing and Assessment Method [0.9246859673666562]
  悪天候下で撮影された画像は、しばしば色のコントラストと色の忠実さに悩まされる。 我々は,光色の代わりにヘイズレベルを用いて送信マップを推定する方法を提案している。
  論文  参考訳（メタデータ） (2020-01-20T04:01:09Z)

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。