論文の概要: Improving Aerial Instance Segmentation in the Dark with Self-Supervised
Low Light Enhancement
- arxiv url: http://arxiv.org/abs/2102.05399v1
- Date: Wed, 10 Feb 2021 12:24:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-11 14:34:55.137979
- Title: Improving Aerial Instance Segmentation in the Dark with Self-Supervised
Low Light Enhancement
- Title(参考訳): 自己監督型低照度化による暗黒大気中の空洞セグメンテーションの改善
- Authors: Prateek Garg, Murari Mandal, Pratik Narang
- Abstract要約: 空中画像の低照度条件は、視覚ベースのアプリケーションの性能に悪影響を及ぼす。
自己監督型で低照度画像を高めることができる新しい手法を提案する。
GANを用いた新しい低照度航空データセットも提案する。
- 参考スコア(独自算出の注目度): 6.500738558466833
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low light conditions in aerial images adversely affect the performance of
several vision based applications. There is a need for methods that can
efficiently remove the low light attributes and assist in the performance of
key vision tasks. In this work, we propose a new method that is capable of
enhancing the low light image in a self-supervised fashion, and sequentially
apply detection and segmentation tasks in an end-to-end manner. The proposed
method occupies a very small overhead in terms of memory and computational
power over the original algorithm and delivers superior results. Additionally,
we propose the generation of a new low light aerial dataset using GANs, which
can be used to evaluate vision based networks for similar adverse conditions.
- Abstract(参考訳): 空中画像における低光度条件は、複数の視覚ベースのアプリケーションの性能に悪影響を及ぼす。
低照度特性を効率的に除去し、キービジョンタスクのパフォーマンスを補助する手法が必要である。
本研究では,低照度イメージを自己監視方式で強化する新しい手法を提案し,検出とセグメンテーションのタスクをエンドツーエンドで順次適用する。
提案手法は当初のアルゴリズムよりもメモリと計算能力の点で非常に小さなオーバーヘッドを占め、優れた結果をもたらす。
さらに,GANを用いた低照度空中データセットを新たに作成し,類似の悪条件下での視覚ベースネットワークの評価に用いる。
関連論文リスト
- Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳(メタデータ) (2023-08-31T04:58:17Z) - Visibility Enhancement for Low-light Hazy Scenarios [18.605784907840473]
夕暮れや早朝には、低照度なシーンがよく現れる。
低照度ハジーシナリオの可視性を高める新しい手法を提案する。
このフレームワークは、異なるサブタスクからのヒントを完全に活用することで、入力画像の可視性を高めるように設計されている。
このシミュレーションは, 提案した低照度ハジーイメージングモデルを用いて, 地上構造でデータセットを生成するために設計されている。
論文 参考訳(メタデータ) (2023-08-01T15:07:38Z) - Learning a Single Convolutional Layer Model for Low Light Image
Enhancement [43.411846299085575]
低照度画像強調(LLIE)は、光照射不足による画像の照度向上を目的としている。
粗く強化された結果として,グローバルな低照度化を実現する単一畳み込み層モデル(SCLM)を提案する。
実験結果から,提案手法は客観的指標と主観的視覚効果の両方において,最先端のLLIE法に対して良好に機能することが示された。
論文 参考訳(メタデータ) (2023-05-23T13:12:00Z) - Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and
Transformer-Based Method [51.30748775681917]
低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。
我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。
第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
論文 参考訳(メタデータ) (2022-12-22T09:05:07Z) - Self-Aligned Concave Curve: Illumination Enhancement for Unsupervised
Adaptation [36.050270650417325]
ハイレベルビジョンのための学習可能な照明強調モデルを提案する。
実際のカメラ応答関数にインスパイアされた照明強調関数は凹凸曲線であると仮定する。
我々のモデルアーキテクチャとトレーニングデザインは相互に恩恵を受け、強力な教師なし正規-低照度適応フレームワークを形成する。
論文 参考訳(メタデータ) (2022-10-07T19:32:55Z) - Cycle-Interactive Generative Adversarial Network for Robust Unsupervised
Low-Light Enhancement [109.335317310485]
CIGAN(Cycle-Interactive Generative Adversarial Network)は、低照度画像間の照明分布の転送を改善できるだけでなく、詳細な信号も操作できる。
特に、提案した低照度誘導変換は、低照度GAN生成器から劣化GAN生成器へ、低照度画像の特徴をフォワードする。
論文 参考訳(メタデータ) (2022-07-03T06:37:46Z) - Learning with Nested Scene Modeling and Cooperative Architecture Search
for Low-Light Vision [95.45256938467237]
低照度シーンから撮影された画像は、しばしば深刻な劣化に悩まされる。
低照度画像の視覚的品質を高めるために深層学習法が提案されている。
他の低照度ビジョンアプリケーションを扱うために、これらの拡張テクニックを拡張することは依然として困難である。
論文 参考訳(メタデータ) (2021-12-09T06:08:31Z) - Semantic-Guided Zero-Shot Learning for Low-Light Image/Video Enhancement [3.4722706398428493]
低照度画像は人間の知覚とコンピュータビジョンのアルゴリズムの両方に挑戦する。
計算写真やコンピュータビジョンアプリケーションのための低照度画像の啓蒙にアルゴリズムを堅牢にすることが不可欠である。
本稿では,ペア画像の欠如により訓練されたセマンティック誘導ゼロショット低照度拡張ネットワークを提案する。
論文 参考訳(メタデータ) (2021-10-03T10:07:36Z) - Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。
本稿では,低照度画像強調のための深層学習手法を提案する。
提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
論文 参考訳(メタデータ) (2020-07-04T06:26:44Z) - Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。
提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
論文 参考訳(メタデータ) (2020-05-06T13:37:08Z)
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。