論文の概要: Image Reconstruction of Static and Dynamic Scenes through Anisoplanatic Turbulence

• arxiv url: http://arxiv.org/abs/2009.00071v1
• Date: Mon, 31 Aug 2020 19:20:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 07:37:02.604773
• Title: Image Reconstruction of Static and Dynamic Scenes through Anisoplanatic Turbulence
• Title（参考訳）: 異方性乱流による静的・動的シーンの画像再構成
• Authors: Zhiyuan Mao, Nicholas Chimitt, Stanley Chan
• Abstract要約: 静的および動的シーケンスの両方で大気乱流を緩和する統一的な手法を提案する。 我々は,新しい時空間非局所平均化手法を用いることで,既存手法と比較して優れた結果を得ることができる。
• 参考スコア（独自算出の注目度）: 1.6114012813668934
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ground based long-range passive imaging systems often suffer from degraded image quality due to a turbulent atmosphere. While methods exist for removing such turbulent distortions, many are limited to static sequences which cannot be extended to dynamic scenes. In addition, the physics of the turbulence is often not integrated into the image reconstruction algorithms, making the physics foundations of the methods weak. In this paper, we present a unified method for atmospheric turbulence mitigation in both static and dynamic sequences. We are able to achieve better results compared to existing methods by utilizing (i) a novel space-time non-local averaging method to construct a reliable reference frame, (ii) a geometric consistency and a sharpness metric to generate the lucky frame, (iii) a physics-constrained prior model of the point spread function for blind deconvolution. Experimental results based on synthetic and real long-range turbulence sequences validate the performance of the proposed method.
• Abstract（参考訳）: 地上の長距離受動的撮像システムは、しばしば乱気流による画質劣化に悩まされる。 このような乱れを除去する手法はあるが、その多くは動的シーンに拡張できない静的シーケンスに限られている。 さらに、乱流の物理は画像再構成アルゴリズムに統合されないことが多く、この手法の物理基盤は弱くなっている。 本稿では,静的および動的シーケンスの両方で大気乱流を緩和する統一的な手法を提案する。 既存の手法と比較して より良い結果が得られます (i)信頼性のある参照フレームを構築するための新しい時空非局所平均化手法 (ii)ラッキーフレームを生成するための幾何学的一貫性と鋭さの計量 (iii)ブラインドデコンボリューションのための点拡散関数の物理制約付き事前モデル。 合成および実長距離乱流列に基づく実験結果は,提案手法の性能を検証した。

関連論文リスト

• Turbulence stabilization [2.4094285826152597]
  大気乱流から得られた一連のフレームから安定化画像を得るための新しい手法を開発した。 このアルゴリットムの目標は、大気の動きによる幾何学的歪みを取り除くことである。 本稿では,モデルにおける正規化項の選択の影響について検討する。
  論文  参考訳（メタデータ） (2024-11-05T08:04:29Z)
• Non rigid geometric distortions correction -- Application to atmospheric turbulence stabilization [2.4094285826152597]
  大気乱流により劣化した画像を復元するための新しい手法が提示される。 乱流の影響を受けやすいフレーム列を考慮し,静的画像の特徴付けのための変動モデルを構築した。 我々のアルゴリズムは単純で効率的であり、様々なシナリオで容易に一般化できる。
  論文  参考訳（メタデータ） (2024-11-04T04:21:41Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• Robust Dynamic Radiance Fields [79.43526586134163]
  動的放射場再構成法は動的シーンの時間変化構造と外観をモデル化することを目的としている。 しかし、既存の手法では、正確なカメラポーズをStructure from Motion (SfM)アルゴリズムによって確実に推定できると仮定している。 カメラパラメータとともに静的および動的放射場を共同で推定することにより、このロバスト性問題に対処する。
  論文  参考訳（メタデータ） (2023-01-05T18:59:51Z)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• A comparison of different atmospheric turbulence simulation methods for image restoration [64.24948495708337]
  大気の乱流は、長距離イメージングシステムによって捉えられた画像の品質を悪化させる。 深層学習に基づく大気乱流緩和法が文献で提案されている。 様々な乱流シミュレーション手法が画像復元に与える影響を系統的に評価した。
  論文  参考訳（メタデータ） (2022-04-19T16:21:36Z)
• Limited-angle tomographic reconstruction of dense layered objects by dynamical machine learning [68.9515120904028]
  強い散乱準透明物体の有限角トモグラフィーは困難で、非常に不適切な問題である。 このような問題の状況を改善することにより、アーティファクトの削減には、事前の定期化が必要である。 我々は,新しい分割畳み込みゲート再帰ユニット(SC-GRU)をビルディングブロックとして,リカレントニューラルネットワーク(RNN)アーキテクチャを考案した。
  論文  参考訳（メタデータ） (2020-07-21T11:48:22Z)

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。