論文の概要: FWB-Net:Front White Balance Network for Color Shift Correction in Single Image Dehazing via Atmospheric Light Estimation

• arxiv url: http://arxiv.org/abs/2101.08465v1
• Date: Thu, 21 Jan 2021 06:53:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-21 07:56:37.382205
• Title: FWB-Net:Front White Balance Network for Color Shift Correction in Single Image Dehazing via Atmospheric Light Estimation
• Title（参考訳）: FWB-Net:Front White Balance Network for Color Shift Correction in Single Image Dehazing via atmosphere light Estimation
• Authors: Cong Wang, Yan Huang, Yuexian Zou, Yong Xu
• Abstract要約: 非均一な大気散乱モデル (NH-ASM) は、ヘイズ画像の画像モデリングを改善するために提案される。 新しいU-Netベースのフロントホワイトバランスモジュール (FWB-Module) はカラーシフトを補正するために設計されている。 FWB-Netと呼ばれる、CNNベースのカラーシフト抑制ネットワークを開発。
• 参考スコア（独自算出の注目度）: 42.20480089840438
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, single image dehazing deep models based on Atmospheric Scattering Model (ASM) have achieved remarkable results. But the dehazing outputs of those models suffer from color shift. Analyzing the ASM model shows that the atmospheric light factor (ALF) is set as a scalar which indicates ALF is constant for whole image. However, for images taken in real-world, the illumination is not uniformly distributed over whole image which brings model mismatch and possibly results in color shift of the deep models using ASM. Bearing this in mind, in this study, first, a new non-homogeneous atmospheric scattering model (NH-ASM) is proposed for improving image modeling of hazy images taken under complex illumination conditions. Second, a new U-Net based front white balance module (FWB-Module) is dedicatedly designed to correct color shift before generating dehazing result via atmospheric light estimation. Third, a new FWB loss is innovatively developed for training FWB-Module, which imposes penalty on color shift. In the end, based on NH-ASM and front white balance technology, an end-to-end CNN-based color-shift-restraining dehazing network is developed, termed as FWB-Net. Experimental results demonstrate the effectiveness and superiority of our proposed FWB-Net for dehazing on both synthetic and real-world images.
• Abstract（参考訳）: 近年,大気散乱モデル(ASM)に基づく単一画像デハージングディープモデルが顕著な成果を上げている。 しかし、これらのモデルのデヘイジングアウトプットはカラーシフトに苦しむ。 ASMモデルを解析すると、大気光因子(ALF)がスカラーとして設定され、ALFが全画像に対して一定であることを示している。 しかし、実世界の画像の場合、照明は全体像に均一に分布せず、モデルミスマッチをもたらし、おそらくはASMを用いた深層モデルのカラーシフトをもたらす。 このことを念頭に置いて、まず、複雑な照明条件下で撮影されたヘイズ画像の画像モデリングを改善するために、新しい非均一大気散乱モデル(NH-ASM)を提案する。 第2に,新しいu-netベースのフロントホワイトバランスモジュール(fwb-module)は,大気光量推定による消光結果を生成する前に色シフトを補正するように特別に設計されている。 第3に,色シフトにペナルティを課すfwbモジュールのトレーニングにおいて,新たなfwbロスが革新的に開発された。 最後に、nh-asmとフロントホワイトバランス技術に基づき、fwb-netと呼ばれるエンドツーエンドのcnnベースのカラーシフト抑制デヘイジングネットワークを開発した。 提案するFWB-Netの有効性と優位性は,合成画像と実画像の両方で実証された。

関連論文リスト

• SAR to Optical Image Translation with Color Supervised Diffusion Model [5.234109158596138]
  本稿では,SAR画像をより分かりやすい光学画像に変換するために,革新的な生成モデルを提案する。 サンプリングプロセスでは,SARイメージを条件付きガイドとして使用し,カラーシフト問題に対処するために色管理を統合する。
  論文  参考訳（メタデータ） (2024-07-24T01:11:28Z)
• Dual High-Order Total Variation Model for Underwater Image Restoration [13.789310785350484]
  水中画像の高画質化と復元(UIER)は,水中画像の画質向上のための重要な手段である。 拡張水中画像形成モデル(UIFM)に基づく効果的な変分フレームワークを提案する。 提案フレームワークでは,重み係数に基づく色補正とカラーバランスを組み合わせることで,減衰した色チャネルを補償し,色キャストを除去する。
  論文  参考訳（メタデータ） (2024-07-20T13:06:37Z)
• Distilling Semantic Priors from SAM to Efficient Image Restoration Models [80.83077145948863]
  画像復元(IR)では、セグメンテーションモデルからセグメンテーションの事前情報を活用することが、性能向上のための一般的なアプローチである。 近年のセグメンテーション・アズ・モデル (SAM) は、IRタスクを強化するために先進的なセグメンテーション先行を抽出する強力なツールとして登場した。 本稿では,SAMのセマンティック知識を抽出し,推論プロセスに干渉することなく,IRモデルからの撤退を促進するための一般的な枠組みを提案する。
  論文  参考訳（メタデータ） (2024-03-25T02:17:20Z)
• Physics-Driven Turbulence Image Restoration with Stochastic Refinement [80.79900297089176]
  大気乱流による画像歪みは、長距離光学画像システムにおいて重要な問題である。 ディープラーニングモデルが現実世界の乱流条件に適応するために、高速で物理学的なシミュレーションツールが導入された。 本稿では,物理統合復元ネットワーク(PiRN)を提案する。
  論文  参考訳（メタデータ） (2023-07-20T05:49:21Z)
• Relightify: Relightable 3D Faces from a Single Image via Diffusion Models [86.3927548091627]
  単一画像からの3次元顔BRDF再構成を高精度に行うために,拡散モデルを用いた最初のアプローチを提案する。 既存の手法とは対照的に,観測されたテクスチャを直接入力画像から取得することで,より忠実で一貫した推定が可能となる。
  論文  参考訳（メタデータ） (2023-05-10T11:57:49Z)
• Auto White-Balance Correction for Mixed-Illuminant Scenes [52.641704254001844]
  オートホワイトバランス(AWB)は、シーン照明によるカラーキャストを取り除くためにカメラハードウェアによって適用される。 本稿では,この混合照明シーンに有効なAWB手法を提案する。 本手法は従来のカメラAWBモジュールと同様,照度推定を必要としない。
  論文  参考訳（メタデータ） (2021-09-17T20:13:31Z)
• Fully Non-Homogeneous Atmospheric Scattering Modeling with Convolutional Neural Networks for Single Image Dehazing [42.20480089840438]
  大気散乱モデル(ASM)に基づくSIDM(Single Image Dehazing Model)は顕著な結果を得た。 本研究では,新しい非均一な大気散乱モデル (FNH-ASM) を提案する。 2つの新しいコスト依存損失関数であるβ-LossとD-Lossは、感度位置のパラメータバイアスを制限するために革新的に開発されている。
  論文  参考訳（メタデータ） (2021-08-25T15:27:44Z)
• A GAN-Based Input-Size Flexibility Model for Single Image Dehazing [16.83211957781034]
  本稿では,単一画像デハジングの課題に焦点をあてる。 ヘイズフリーの画像を直接生成する新しいモデルを設計します。 この理由と画像サイズを考慮し,単一画像デハジングのための新たな入力サイズフレキシビリティ条件付き生成逆ネットワーク(cgan)を提案する。
  論文  参考訳（メタデータ） (2021-02-19T08:27:17Z)
• FD-GAN: Generative Adversarial Networks with Fusion-discriminator for Single Image Dehazing [48.65974971543703]
  画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。 我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。 実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
  論文  参考訳（メタデータ） (2020-01-20T04:36:11Z)

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。