論文の概要: Defocus Blur Detection via Salient Region Detection Prior

• arxiv url: http://arxiv.org/abs/2011.09677v1
• Date: Thu, 19 Nov 2020 05:56:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 21:09:59.944765
• Title: Defocus Blur Detection via Salient Region Detection Prior
• Title（参考訳）: 正準領域検出によるデフォーカスブラ検出
• Authors: Ming Qian and Min Xia and Chunyi Sun and Zhiwei Wang and Liguo Weng
• Abstract要約: Defocus blur Detectionは、写真のアウト・オブ・フォーカスとディープ・オブ・フィールドの領域を分離することを目的としている。 本稿では,デフォーカスブラー検出のための新しいネットワークを提案する。
• 参考スコア（独自算出の注目度）: 11.5253648614748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Defocus blur always occurred in photos when people take photos by Digital Single Lens Reflex Camera(DSLR), giving salient region and aesthetic pleasure. Defocus blur Detection aims to separate the out-of-focus and depth-of-field areas in photos, which is an important work in computer vision. Current works for defocus blur detection mainly focus on the designing of networks, the optimizing of the loss function, and the application of multi-stream strategy, meanwhile, these works do not pay attention to the shortage of training data. In this work, to address the above data-shortage problem, we turn to rethink the relationship between two tasks: defocus blur detection and salient region detection. In an image with bokeh effect, it is obvious that the salient region and the depth-of-field area overlap in most cases. So we first train our network on the salient region detection tasks, then transfer the pre-trained model to the defocus blur detection tasks. Besides, we propose a novel network for defocus blur detection. Experiments show that our transfer strategy works well on many current models, and demonstrate the superiority of our network.
• Abstract（参考訳）: デジタル一眼レフカメラ(DSLR: Digital Single Lens Reflex Camera)で撮影した写真では、デフォーカスのぼやけが常に起こっている。 Defocus blur Detectionは、画像の焦点領域と深度領域を分離することを目的としている。 現在のデフォーカスブラー検出の研究は主にネットワークの設計、損失関数の最適化、マルチストリーム戦略の適用に焦点を当てているが、これらの研究はトレーニングデータの不足に注意を払っていない。 本研究では,上記のデータ短縮問題に対処するために,デフォーカスボケ検出とサルエント領域検出という2つのタスク間の関係を再考する。 ボケ効果の画像では,ほとんどの場合,塩分領域と深度領域が重複していることが明らかである。 そこで,まずネットワークを高度領域検出タスクでトレーニングし,その後,事前学習したモデルをデフォーカスボケ検出タスクに転送する。 さらに,デフォーカスブラー検出のための新しいネットワークを提案する。 実験により、転送戦略は多くの現行モデルでうまく機能し、ネットワークの優位性を実証した。

関連論文リスト

• Learnable Blur Kernel for Single-Image Defocus Deblurring in the Wild [9.246199263116067]
  本稿では,デフォーカスマップのガイダンスを用いて画像のデブロリングを実装する新しいデフォーカスデブロアリング法を提案する。 提案手法は,デフォーカスマップを推定する学習可能なぼかしカーネルと,デフォーカスGAN(Generative Adversarial Network)を初めてデフォーカスする単一イメージデフォーカスとから構成される。
  論文  参考訳（メタデータ） (2022-11-25T10:47:19Z)
• Single-image Defocus Deblurring by Integration of Defocus Map Prediction Tracing the Inverse Problem Computation [25.438654895178686]
  本稿では,デフォーカスマップに基づく空間変調を用いた簡易かつ効果的なネットワークを提案する。 実験結果から,本手法は既存の最先端手法よりも定量的,定性的な評価性能を向上できることが示された。
  論文  参考訳（メタデータ） (2022-07-07T02:15:33Z)
• Learning to Deblur using Light Field Generated and Real Defocus Images [4.926805108788465]
  デフォーカス・デブロワーリングは、デフォーカス・ボケの性質が空間的に変化するため、困難な作業である。 本稿では,光の強度を活用し,光源の欠点を克服する新しいディープデフォーカス・デブロアリング・ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-04-01T11:35:51Z)
• Defocus Map Estimation and Deblurring from a Single Dual-Pixel Image [54.10957300181677]
  本稿では,1枚のデュアルピクセルイメージを入力として,画像のデフォーカスマップを同時に推定する手法を提案する。 本手法は,デフォーカスマップ推定とぼかし除去の両方において,教師なしでも事前作業を改善する。
  論文  参考訳（メタデータ） (2021-10-12T00:09:07Z)
• Single image deep defocus estimation and its applications [82.93345261434943]
  画像パッチを20レベルの曖昧さの1つに分類するために、ディープニューラルネットワークをトレーニングします。 トレーニングされたモデルは、反復重み付きガイドフィルタを適用して改善するパッチのぼかしを決定するために使用される。 その結果、デフォーカスマップは各ピクセルのぼやけた度合いの情報を運ぶ。
  論文  参考訳（メタデータ） (2021-07-30T06:18:16Z)
• Onfocus Detection: Identifying Individual-Camera Eye Contact from Unconstrained Images [81.64699115587167]
  Onfocus Detectionは、カメラが捉えた個人の焦点がカメラにあるかどうかを特定することを目的としている。 OnFocus Detection In the Wild (OFDIW) と呼ばれる大規模なオンフォーカス検出データセットを構築しました。 本研究では,視線干渉推論ネットワーク (ECIIN) を用いた眼球深度検出モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-29T03:29:09Z)
• Rethinking of the Image Salient Object Detection: Object-level Semantic Saliency Re-ranking First, Pixel-wise Saliency Refinement Latter [62.26677215668959]
  本稿では,意味的に有意な領域を粗い位置で特定する,軽量で教師付きの深層ネットワークを提案する。 次に,これらセマンティック・サリエント領域の深層モデルを画素ワイド・サリエンシ改善として融合する。 提案手法は単純だが有効であり,本手法は主眼をオブジェクトレベルのセマンティック・リグレード問題とみなすための最初の試みである。
  論文  参考訳（メタデータ） (2020-08-10T07:12:43Z)
• Defocus Blur Detection via Depth Distillation [64.78779830554731]
  初めてDBDに深度情報を導入します。 より詳しくは, 地底の真理と, 十分に訓練された深度推定ネットワークから抽出した深度から, デフォーカスのぼかしを学習する。 我々の手法は、2つの一般的なデータセット上で11の最先端の手法より優れています。
  論文  参考訳（メタデータ） (2020-07-16T04:58:09Z)
• Rapid Whole Slide Imaging via Learning-based Two-shot Virtual Autofocusing [57.90239401665367]
  ホイルスライドイメージング(WSI)は、デジタル病理の新たな技術である。 本稿では,リフォーカスを行うための機械的調整に依存しないテキスト仮想オートフォーカスの概念を提案する。
  論文  参考訳（メタデータ） (2020-03-14T13:40:33Z)

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。