論文の概要: Unsupervised Single-Image Reflection Separation Using Perceptual Deep Image Priors

• arxiv url: http://arxiv.org/abs/2009.00702v1
• Date: Tue, 1 Sep 2020 21:08:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-23 01:55:29.587642
• Title: Unsupervised Single-Image Reflection Separation Using Perceptual Deep Image Priors
• Title（参考訳）: 知覚深部画像を用いた教師なし単眼反射分離
• Authors: Suhong Kim, Hamed RahmaniKhezri, Seyed Mohammad Nourbakhsh and Mohamed Hefeeda
• Abstract要約: 単一画像のリフレクション分離のための新しい教師なしフレームワークを提案する。 対象画像上の2つのクロスカップリング深部畳み込みネットワークのパラメータを最適化し、2つの排他的背景層と反射層を生成する。 その結果,本手法は単一画像からの反射を除去するための文献において最も近い教師なし手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 6.333390830515411
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reflections often degrade the quality of the image by obstructing the background scene. This is not desirable for everyday users, and it negatively impacts the performance of multimedia applications that process images with reflections. Most current methods for removing reflections utilize supervised-learning models. However, these models require an extensive number of image pairs to perform well, especially on natural images with reflection, which is difficult to achieve in practice. In this paper, we propose a novel unsupervised framework for single-image reflection separation. Instead of learning from a large dataset, we optimize the parameters of two cross-coupled deep convolutional networks on a target image to generate two exclusive background and reflection layers. In particular, we design a new architecture of the network to embed semantic features extracted from a pre-trained deep classification network, which gives more meaningful separation similar to human perception. Quantitative and qualitative results on commonly used datasets in the literature show that our method's performance is at least on par with the state-of-the-art supervised methods and, occasionally, better without requiring large training datasets. Our results also show that our method significantly outperforms the closest unsupervised method in the literature for removing reflections from single images.
• Abstract（参考訳）: 反射はしばしば背景のシーンを妨害することで画質を劣化させる。 これは日常のユーザにとって望ましいものではなく、リフレクションで画像を処理するマルチメディアアプリケーションのパフォーマンスに悪影響を及ぼす。 現在のリフレクション除去法のほとんどは教師付き学習モデルを利用している。 しかし、これらのモデルでは、特に反射を伴う自然画像において、多くの画像ペアをうまく動作させる必要があり、実際は達成が難しい。 本稿では,単像反射分離のための新しい非教師なしフレームワークを提案する。 大きなデータセットから学習する代わりに、ターゲットイメージ上の2つのクロス結合したディープ畳み込みネットワークのパラメータを最適化し、2つの排他的背景層と反射層を生成する。 特に,事前訓練された深層分類ネットワークから抽出した意味的特徴を埋め込み,人間の知覚と類似した意味的分離を行うネットワークの新たなアーキテクチャを設計する。 文献でよく使われているデータセットの定量的および定性的な結果から、我々の手法の性能は少なくとも最先端の教師付き手法と同等であり、時には大規模なトレーニングデータセットを必要としない。 また,本手法は,単一画像からの反射除去に最も近い教師なし手法を有意に上回ることを示した。

関連論文リスト

• Towards Flexible Interactive Reflection Removal with Human Guidance [75.38207315080624]
  単一の画像反射除去は本質的に不明瞭であり、分離を必要とする反射成分と透過成分の両方が自然な画像統計に従う可能性がある。 既存の手法では、様々な種類の低レベルおよび物理ベースのキューを反射信号の源として利用することでこの問題に対処しようとする。 本稿では,様々な形態のスパース・ヒューマン・ガイダンスを活用するフレキシブル・インタラクティブ・リフレクション・リフレクション・リフレクション・リフレクション・リジェクション・リジェクション・アプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-03T17:34:37Z)
• Improving Human-Object Interaction Detection via Virtual Image Learning [68.56682347374422]
  人間-物体相互作用(Human-Object Interaction、HOI)は、人間と物体の相互作用を理解することを目的としている。 本稿では,仮想画像学習(Virtual Image Leaning, VIL)による不均衡分布の影響を軽減することを提案する。 ラベルからイメージへの新たなアプローチであるMultiple Steps Image Creation (MUSIC)が提案され、実際の画像と一貫した分布を持つ高品質なデータセットを作成する。
  論文  参考訳（メタデータ） (2023-08-04T10:28:48Z)
• Improved Multiple-Image-Based Reflection Removal Algorithm Using Deep Neural Networks [13.16514846876752]
  別のシーンの反射は、ガラスのような半反射媒質によく見られる。 本稿では,イメージングにおける反射問題を解くための新しいディープニューラルネットワーク手法を提案する。
  論文  参考訳（メタデータ） (2022-08-09T11:55:53Z)
• ReflectNet -- A Generative Adversarial Method for Single Image Reflection Suppression [0.6980076213134382]
  本稿では,文脈理解モジュールと敵対的学習に基づく単一の画像反射除去手法を提案する。 提案手法は,PSNR と SSIM の観点から,SIR のベンチマークデータセット上で,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2021-05-11T17:33:40Z)
• Iterative Gradient Encoding Network with Feature Co-Occurrence Loss for Single Image Reflection Removal [6.370905925442655]
  単一画像反射除去のための反復グラデーション符号化ネットワークを提案する。 提案手法は,既存の画像設定に対する反射を良好に除去することができる。
  論文  参考訳（メタデータ） (2021-03-29T19:29:29Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• Learning to See Through Obstructions with Layered Decomposition [117.77024641706451]
  移動画像から不要な障害を取り除くための学習に基づくアプローチを提案する。 本手法は背景要素と閉塞要素の運動差を利用して両方の層を復元する。 本研究では,合成データから得られた提案手法が実画像に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-08-11T17:59:31Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)
• Single image reflection removal via learning with multi-image constraints [50.54095311597466]
  本稿では、上記のアプローチの利点を組み合わせ、その欠点を克服する新しい学習ベースソリューションを提案する。 提案アルゴリズムはディープニューラルネットワークを学習して、複数の入力画像間で強化されたジョイント制約でターゲットを最適化する。 我々のアルゴリズムは実画像上でリアルタイムかつ最先端の反射除去性能で動作する。
  論文  参考訳（メタデータ） (2019-12-08T06:10:49Z)

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。