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

• Learning Enriched Illuminants for Cross and Single Sensor Color Constancy [182.4997117953705]
  ネットワークをトレーニングするためのクロスセンサ自己教師型トレーニングを提案する。 センサに依存しない方法で人工発光体をランダムにサンプリングすることでネットワークを訓練する。 実験により、我々のクロスセンサモデルとシングルセンサーモデルは、他の最先端手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-21T15:45:35Z)
• 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)
• Towards a Unified Approach to Single Image Deraining and Dehazing [16.383099109400156]
  降雨効果の新しい物理モデルを開発し,その均一な連続限界として,ヘイズ効果のよく知られた大気散乱モデル(ASM)が自然に現れることを示した。 また,デレーシングとデヘイジングの両方に適した,密集したスケール接続型注意ネットワーク (dscan) を提案する。
  論文  参考訳（メタデータ） (2021-03-26T01:35:43Z)
• 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)
• Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
  小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。 本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。 提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
  論文  参考訳（メタデータ） (2020-07-04T08:23:07Z)
• Bayesian Fusion for Infrared and Visible Images [26.64101343489016]
  本稿では,赤外・可視画像のための新しいベイズ融合モデルを構築した。 我々は、融合画像が人間の視覚系を満たすようにすることを目指している。 従来の手法と比較して、新しいモデルは、高照度なターゲットとリッチテクスチャの詳細を持つより良い融合画像を生成することができる。
  論文  参考訳（メタデータ） (2020-05-12T14:57:19Z)
• 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。