論文の概要: SharpGAN: Receptive Field Block Net for Dynamic Scene Deblurring
- arxiv url: http://arxiv.org/abs/2012.15432v1
- Date: Thu, 31 Dec 2020 03:57:12 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-17 17:20:01.248023
- Title: SharpGAN: Receptive Field Block Net for Dynamic Scene Deblurring
- Title(参考訳): SharpGAN: 動的シーンデブロアリングのための受容フィールドブロックネット
- Authors: Hui Feng and Jundong Guo and Sam Shuzhi Ge
- Abstract要約: 生成敵ネットワークに基づく新しい画像デブレーション手法であるSharpGANを提案する。
rfbnetは、ぼやけた画像の特徴を抽出するネットワークの能力を強化するためにデブラリングネットワークに導入された。
提案手法は,視知覚と定量的基準においてより優れた脱毛性能を有するだけでなく,高い脱毛効率を有する。
- 参考スコア(独自算出の注目度): 2.852180268019401
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When sailing at sea, the smart ship will inevitably produce swaying motion
due to the action of wind, wave and current, which makes the image collected by
the visual sensor appear motion blur. This will have an adverse effect on the
object detection algorithm based on the vision sensor, thereby affect the
navigation safety of the smart ship. In order to remove the motion blur in the
images during the navigation of the smart ship, we propose SharpGAN, a new
image deblurring method based on the generative adversarial network. First of
all, the Receptive Field Block Net (RFBNet) is introduced to the deblurring
network to strengthen the network's ability to extract the features of blurred
image. Secondly, we propose a feature loss that combines different levels of
image features to guide the network to perform higher-quality deblurring and
improve the feature similarity between the restored images and the sharp image.
Finally, we propose to use the lightweight RFB-s module to improve the
real-time performance of deblurring network. Compared with the existing
deblurring methods on large-scale real sea image datasets and large-scale
deblurring datasets, the proposed method not only has better deblurring
performance in visual perception and quantitative criteria, but also has higher
deblurring efficiency.
- Abstract(参考訳): 海上を航行する際には、風、波、電流の作用によって必然的に揺れる動きを発生させ、視覚センサーによって収集された画像が動きをぼやける。
これにより、視覚センサに基づく物体検出アルゴリズムに悪影響を及ぼすため、スマート船の航行安全性に影響を及ぼす。
スマート船の航行中の画像中の動きのぼかしを取り除くために, 生成的対向ネットワークに基づく新たな画像デブロア法SharpGANを提案する。
まず、受信フィールドブロックネット(RFBNet)を遅延ネットワークに導入し、ぼやけた画像の特徴を抽出するネットワークの能力を強化する。
次に,異なるレベルの画像特徴を組み合わせてネットワークを誘導し,高品質なデブロアリングを行い,復元画像とシャープ画像との類似性を改善する特徴損失を提案する。
最後に、軽量RFB-sモジュールを用いて、デブロアリングネットワークのリアルタイム性能を改善することを提案する。
大規模海面画像データセットと大規模海面画像データセットのデブロアリング手法と比較して,提案手法は視覚的知覚や量的基準において優れたデブロアリング性能を有するだけでなく,デブロアリング効率も高い。
関連論文リスト
- DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳(メタデータ) (2023-12-12T06:07:21Z) - Dual Adversarial Resilience for Collaborating Robust Underwater Image
Enhancement and Perception [54.672052775549]
本研究では,水中画像の強調と検出を行うために,CARNetと呼ばれる協調的対向レジリエンスネットワークを導入する。
本稿では,ネットワークが様々な種類の攻撃を識別・除去できるように,視覚駆動型と知覚駆動型の両方による同時攻撃訓練戦略を提案する。
実験により,提案手法は画像の高画質化を図り,最先端の手法よりも平均6.71%高い検出精度が得られた。
論文 参考訳(メタデータ) (2023-09-03T06:52:05Z) - Low-Light Enhancement in the Frequency Domain [24.195131201768096]
低照度画像には、可視性、高密度ノイズ、偏光色がよく見られる。
周波数領域で学習した新しい残差多重ウェーブレット畳み込みニューラルネットワークR2-MWCNNを提案する。
このエンドツーエンドのトレーニング可能なネットワークは、マルチレベル離散ウェーブレット変換を使用して入力特徴写像を異なる周波数に分割し、より優れたノイズの影響をもたらす。
論文 参考訳(メタデータ) (2023-06-29T08:39:34Z) - Deep Dynamic Scene Deblurring from Optical Flow [53.625999196063574]
汚れは視覚的により快適な写真を提供し、写真がより便利になる。
非均一な曖昧さを数学的にモデル化することは困難である。
我々は,難解な特徴から鮮明な画像を復元する畳み込みニューラルネットワーク(CNN)を開発した。
論文 参考訳(メタデータ) (2023-01-18T06:37:21Z) - Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。
提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
論文 参考訳(メタデータ) (2022-12-23T03:00:28Z) - Wavelength-based Attributed Deep Neural Network for Underwater Image
Restoration [9.378355457555319]
本稿では,色チャネルの移動範囲に基づいて,適切な受容場サイズ(コンテキスト)を付与することで,大幅な性能向上が期待できることを示す。
第2の新規性として、学習したマルチコンテキスト特徴を適応的に洗練するための注意的スキップ機構を組み込んだ。
提案するフレームワークはDeep WaveNetと呼ばれ、従来のピクセル単位で機能ベースのコスト関数を使って最適化されている。
論文 参考訳(メタデータ) (2021-06-15T06:47:51Z) - Asymmetric CNN for image super-resolution [102.96131810686231]
深層畳み込みニューラルネットワーク(CNN)は、過去5年間で低レベルビジョンに広く適用されています。
画像超解像のための非対称ブロック(AB)、mem?ory拡張ブロック(MEB)、高周波数特徴強調ブロック(HFFEB)からなる非対称CNN(ACNet)を提案する。
我々のACNetは、ブラインドノイズの単一画像超解像(SISR)、ブラインドSISR、ブラインドSISRを効果的に処理できる。
論文 参考訳(メタデータ) (2021-03-25T07:10:46Z) - Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。
本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
論文 参考訳(メタデータ) (2021-03-04T12:45:18Z) - BANet: Blur-aware Attention Networks for Dynamic Scene Deblurring [45.683347598897484]
本稿では,単一フォワードパスで高精度かつ効率的なデブラリングを実現するぼかし認識アテンションネットワーク(banet)を提案する。
banetでは,マルチカーネルストリッププーリングを用いた領域ベースのセルフアテンションを利用して,異なる次数のぼかしパターンとカスケード並列拡張畳み込みを解消し,マルチスケールコンテンツの特徴を集約する。
論文 参考訳(メタデータ) (2021-01-19T09:03:40Z) - AWNet: Attentive Wavelet Network for Image ISP [14.58067200317891]
本稿では,この学習可能な画像ISP問題に対処するために,AWNetと呼ばれるアテンション機構とウェーブレット変換を利用する新しいネットワークを提案する。
提案手法により,RAW情報から好意的な画像の詳細を復元し,より広い受容領域を実現することができる。
実験結果から,定性的,定量的両測定における設計の進歩が示唆された。
論文 参考訳(メタデータ) (2020-08-20T23:28:41Z) - Deblurring using Analysis-Synthesis Networks Pair [6.09170287691728]
ブラインド画像の劣化は、現代のニューラルネットワークにとって難しい問題である。
そこで我々は,デブロワーリングネットワークを,そのボケを推定する解析ネットワークに分割する新たなアーキテクチャと,このカーネルを用いて画像をデブロワーする合成ネットワークを提案する。
論文 参考訳(メタデータ) (2020-04-06T19:32:51Z)
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。