論文の概要: Generative and Discriminative Learning for Distorted Image Restoration
- arxiv url: http://arxiv.org/abs/2011.05784v3
- Date: Fri, 27 Nov 2020 06:09:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-27 00:51:59.433972
- Title: Generative and Discriminative Learning for Distorted Image Restoration
- Title（参考訳）: 歪み画像復元のための生成的・識別的学習
- Authors: Yi Gu, Yuting Gao, Jie Li, Chentao Wu, Weijia Jia
- Abstract要約: Liquifyは、画像の歪みに使用できる画像編集のテクニックである。
本稿では,深層ニューラルネットワークに基づく新しい生成的・識別的学習手法を提案する。
- 参考スコア（独自算出の注目度）: 22.230017059874445
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Liquify is a common technique for image editing, which can be used for image
distortion. Due to the uncertainty in the distortion variation, restoring
distorted images caused by liquify filter is a challenging task. To edit images
in an efficient way, distorted images are expected to be restored
automatically. This paper aims at the distorted image restoration, which is
characterized by seeking the appropriate warping and completion of a distorted
image. Existing methods focus on the hardware assistance or the geometric
principle to solve the specific regular deformation caused by natural
phenomena, but they cannot handle the irregularity and uncertainty of
artificial distortion in this task. To address this issue, we propose a novel
generative and discriminative learning method based on deep neural networks,
which can learn various reconstruction mappings and represent complex and
high-dimensional data. This method decomposes the task into a rectification
stage and a refinement stage. The first stage generative network predicts the
mapping from the distorted images to the rectified ones. The second stage
generative network then further optimizes the perceptual quality. Since there
is no available dataset or benchmark to explore this task, we create a
Distorted Face Dataset (DFD) by forward distortion mapping based on CelebA
dataset. Extensive experimental evaluation on the proposed benchmark and the
application demonstrates that our method is an effective way for distorted
image restoration.
- Abstract（参考訳）: Liquifyは画像編集の一般的な技術であり、画像の歪みに使用できる。
歪み変動の不確実性のため, 液状化フィルタによる歪み画像の復元は難しい課題である。
画像を効率よく編集するには、歪んだ画像を自動的に復元することが期待される。
本稿では、歪み画像の適切な歪みと完了を求めることで特徴付けられる歪み画像復元を目的とする。
既存の手法は、自然現象によって生じる特定の規則的変形を解決するためのハードウェアアシストや幾何学原理に重点を置いているが、この課題における人工歪みの不規則性や不確実性には対処できない。
そこで本研究では,深層ニューラルネットワークに基づく新しい生成・判別学習法を提案し,様々な再構成マッピングを学習し,複雑で高次元のデータを表現する。
この方法は、タスクを整流段階と精練段階とに分解する。
第1段階生成ネットワークは、歪み画像から補正画像へのマッピングを予測する。
第二段階生成ネットワークはさらに知覚品質を最適化する。
このタスクを探索するデータセットやベンチマークがないため、CelebAデータセットに基づいた前方歪みマッピングにより、Distorted Face Dataset(DFD)を作成します。
提案ベンチマークの広範な実験評価を行い,本手法が画像復元に有効な方法であることを実証した。
関連論文リスト
- PtychoDV: Vision Transformer-Based Deep Unrolling Network for
Ptychographic Image Reconstruction [12.780951605821238]
PtychoDVは、効率的で高品質な画像再構成のために設計された、新しいディープモデルベースのネットワークである。
シミュレーションデータの結果,PtychoDVは既存のディープラーニング手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-10-11T14:01:36Z) - Deformation-Invariant Neural Network and Its Applications in Distorted
Image Restoration and Analysis [8.009077765403287]
幾何学的歪みによって劣化した画像は、画像や物体認識などのコンピュータビジョンタスクにおいて重要な課題となる。
ディープラーニングに基づく画像モデルは通常、幾何学的に歪んだ画像に対して正確な性能を与えることができない。
本稿では、幾何学的に歪んだ画像の撮像タスクに対処するフレームワークである変形不変ニューラルネットワーク(DINN)を提案する。
論文 参考訳（メタデータ） (2023-10-04T08:01:36Z) - All-in-one Multi-degradation Image Restoration Network via Hierarchical
Degradation Representation [47.00239809958627]
我々は新しいオールインワン・マルチデグレーション画像復元ネットワーク(AMIRNet)を提案する。
AMIRNetは、クラスタリングによって木構造を段階的に構築することで、未知の劣化画像の劣化表現を学習する。
この木構造表現は、様々な歪みの一貫性と不一致を明示的に反映しており、画像復元の具体的な手がかりとなっている。
論文 参考訳（メタデータ） (2023-08-06T04:51:41Z) - Zero shot framework for satellite image restoration [25.163783640750573]
衛星画像復元のための歪み分散と知識蒸留の枠組みを提案する。
我々のアルゴリズムでは、歪みした衛星画像の復元と、類似した意味を持つ参照画像の2つの画像しか必要としない。
論文 参考訳（メタデータ） (2023-06-05T14:34:58Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳（メタデータ） (2021-08-19T11:02:25Z) - A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。
本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。
歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
論文 参考訳（メタデータ） (2020-07-21T10:03:42Z) - Learning to Restore a Single Face Image Degraded by Atmospheric
Turbulence using CNNs [93.72048616001064]
このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。
乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
論文 参考訳（メタデータ） (2020-07-16T15:25:08Z) - Invertible Image Rescaling [118.2653765756915]
Invertible Rescaling Net (IRN) を開発した。
我々は、ダウンスケーリングプロセスにおいて、指定された分布に従う潜在変数を用いて、失われた情報の分布をキャプチャする。
論文 参考訳（メタデータ） (2020-05-12T09:55:53Z) - Exploiting Deep Generative Prior for Versatile Image Restoration and
Manipulation [181.08127307338654]
本研究は, 大規模自然画像に基づいて学習したGAN(Generative Adversarial Network)により, 得られた画像の有効利用方法を示す。
深層生成前駆体(DGP)は、色、パッチ、解像度、様々な劣化した画像の欠落したセマンティクスを復元するための説得力のある結果を提供する。
論文 参考訳（メタデータ） (2020-03-30T17:45:07Z) - Self-Supervised Linear Motion Deblurring [112.75317069916579]
深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。
本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。
我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
論文 参考訳（メタデータ） (2020-02-10T20:15:21Z)
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。