論文の概要: Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance

• arxiv url: http://arxiv.org/abs/2012.00945v2
• Date: Sun, 21 Feb 2021 07:53:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-25 04:02:27.751139
• Title: Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance
• Title（参考訳）: リフレクションアウェアガイドによる2段単一反射除去
• Authors: Yu Li, Ming Liu, Yaling Yi, Qince Li, Dongwei Ren, Wangmeng Zuo
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 78.34235841168031
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Removing undesired reflection from an image captured through a glass surface is a very challenging problem with many practical application scenarios. For improving reflection removal, cascaded deep models have been usually adopted to estimate the transmission in a progressive manner. However, most existing methods are still limited in exploiting the result in prior stage for guiding transmission estimation. In this paper, we present a novel two-stage network with reflection-aware guidance (RAGNet) for single image reflection removal (SIRR). To be specific, the reflection layer is firstly estimated due to that it generally is much simpler and is relatively easier to estimate. Reflectionaware guidance (RAG) module is then elaborated for better exploiting the estimated reflection in predicting transmission layer. By incorporating feature maps from the estimated reflection and observation, RAG can be used (i) to mitigate the effect of reflection from the observation, and (ii) to generate mask in partial convolution for mitigating the effect of deviating from linear combination hypothesis. A dedicated mask loss is further presented for reconciling the contributions of encoder and decoder features. Experiments on five commonly used datasets demonstrate the quantitative and qualitative superiority of our RAGNet in comparison to the state-of-the-art SIRR methods. The source code and pre-trained model are available at https://github.com/liyucs/RAGNet.
• Abstract（参考訳）: ガラス表面を捉えた画像から望ましくない反射を除去することは、多くの実用的な応用シナリオにおいて非常に難しい問題である。 反射除去を改善するため、カスケード深部モデルは通常、進行的に伝達を推定するために採用されている。 しかし、既存のほとんどの手法は、伝送推定の導出に先立って結果を利用する際にはまだ限られている。 本稿では,単一画像反射除去(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2段階ネットワークを提案する。 具体的に言うと、反射層は一般に非常に単純であり、比較的容易に推定できるため、最初に推定される。 リフレクションアウェア誘導(RAG)モジュールは、送信層の予測において、推定反射をよりうまく活用するために精査される。 推定反射と観測から特徴マップを組み込むことにより、ragは(i)観測からの反射の効果を緩和するために、(ii)部分畳み込みにおいてマスクを生成し、線形結合仮説から逸脱する効果を緩和することができる。 さらに、エンコーダとデコーダの機能のコントリビューションの調整のために、専用のマスクロスが提示される。 5つの一般的なデータセットの実験は、最先端SIRR法と比較して、RAGNetの量的および定性的優位性を示している。 ソースコードと事前訓練されたモデルはhttps://github.com/liyucs/RAGNet.comで入手できる。

関連論文リスト

• Monocular Identity-Conditioned Facial Reflectance Reconstruction [71.90507628715388]
  既存の方法は、顔の反射率モデルを学ぶために、大量の光ステージキャプチャーデータに依存している。 我々は、UV空間ではなく画像空間で反射率を学習し、ID2Reflectanceというフレームワークを提案する。 本フレームワークは,訓練に限られた反射率データを用いながら,単一の画像の反射率マップを直接推定することができる。
  論文  参考訳（メタデータ） (2024-03-30T09:43:40Z)
• Single Image Reflection Removal with Reflection Intensity Prior Knowledge [14.335849624907611]
  本稿では、反射現象の強度を捉えるための一般的な反射強度を提案する。 画像の領域パッチへの分割により、RPENは画像に先立って一様でない反射を学習する。 本稿では, 単純なトランスフォーマU-Netアーキテクチャを用いて, プリエントベース反射除去ネットワーク(PRRN)を提案する。
  論文  参考訳（メタデータ） (2023-12-06T14:52:11Z)
• Revisiting Single Image Reflection Removal In the Wild [83.42368937164473]
  本研究は,実環境におけるシングルイメージリフレクション除去(SIRR)の問題に焦点をあてる。 我々は,様々な現実世界のリフレクションシナリオに高度に適用可能な,高度なリフレクション収集パイプラインを考案した。 野生での反射除去(RRW)と呼ばれる大規模で高品質な反射データセットを開発する。
  論文  参考訳（メタデータ） (2023-11-29T02:31:10Z)
• 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)
• Location-aware Single Image Reflection Removal [54.93808224890273]
  本稿では,位置認識型深層学習に基づく単一画像反射除去手法を提案する。 我々は,リフレクション信頼度マップをネットワークの手がかりとして活用し,リフレクション情報を適応的にエンコードする方法を学習する。 位置情報のネットワークへの統合は、反射除去結果の品質を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-12-13T19:34:35Z)
• Unsupervised Single-Image Reflection Separation Using Perceptual Deep Image Priors [6.333390830515411]
  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。
  論文  参考訳（メタデータ） (2020-09-01T21:08:30Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)
• 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。