論文の概要: Deep Dense Multi-scale Network for Snow Removal Using Semantic and Geometric Priors

• arxiv url: http://arxiv.org/abs/2103.11298v1
• Date: Sun, 21 Mar 2021 03:30:30 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-23 14:34:16.207936
• Title: Deep Dense Multi-scale Network for Snow Removal Using Semantic and Geometric Priors
• Title（参考訳）: 積雪除去のための意味的・幾何学的事前手法を用いた深度マルチスケールネットワーク
• Authors: Kaihao Zhang, Rongqing Li, Yanjiang Yu, Wenhan Luo, Changsheng Li, Hongdong Li
• Abstract要約: 本研究では, 積雪除去のための深度多スケールネットワーク (textbfDDMSNet) を提案する。 セマンティクスマップと幾何マップを入力として取り入れ,セマンティクス・アウェア表現と幾何アウェア表現を学習して雪を取り除く。
• 参考スコア（独自算出の注目度）: 78.61844008368587
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Images captured in snowy days suffer from noticeable degradation of scene visibility, which degenerates the performance of current vision-based intelligent systems. Removing snow from images thus is an important topic in computer vision. In this paper, we propose a Deep Dense Multi-Scale Network (\textbf{DDMSNet}) for snow removal by exploiting semantic and geometric priors. As images captured in outdoor often share similar scenes and their visibility varies with depth from camera, such semantic and geometric information provides a strong prior for snowy image restoration. We incorporate the semantic and geometric maps as input and learn the semantic-aware and geometry-aware representation to remove snow. In particular, we first create a coarse network to remove snow from the input images. Then, the coarsely desnowed images are fed into another network to obtain the semantic and geometric labels. Finally, we design a DDMSNet to learn semantic-aware and geometry-aware representation via a self-attention mechanism to produce the final clean images. Experiments evaluated on public synthetic and real-world snowy images verify the superiority of the proposed method, offering better results both quantitatively and qualitatively.
• Abstract（参考訳）: 雪の日に撮影された画像は、現在の視覚ベースのインテリジェントシステムのパフォーマンスを低下させるシーンの可視性が著しく低下する。 したがって、画像から雪を取り除くことはコンピュータビジョンにおいて重要なトピックである。 本稿では, 積雪除去のための深度多スケールネットワーク (Deep Dense Multi-Scale Network, DDMSNet) を提案する。 屋外で撮影された画像は、しばしば類似のシーンを共有し、その視界はカメラの深度によって異なるため、雪の復元に強い前兆となる。 セマンティクスマップと幾何マップを入力として取り入れ,セマンティクス・アウェア表現と幾何アウェア表現を学習して雪を取り除く。 特に,入力画像から雪を取り除くために,まず粗いネットワークを作成する。 そして、粗く認識された画像を別のネットワークに入力し、意味的および幾何学的ラベルを得る。 最後に,ddmsnetの設計により,最終的なクリーン画像を生成する自己照査機構を介して,意味認識および幾何学認識表現を学習する。 公共合成画像と実世界の雪画像を用いて評価した実験により,提案手法の有効性が検証され,定量的,質的にも良好な結果が得られた。

関連論文リスト

• SCANet: Self-Paced Semi-Curricular Attention Network for Non-Homogeneous Image Dehazing [56.900964135228435]
  既存の均質脱ハージング法は、強靭な方法でヘイズの不均一分布を扱うのに苦労する。 非均質なイメージデハージングのための,SCANet と呼ばれる新しい自己ペースト半曲的アテンションネットワークを提案する。 本手法は,アテンションジェネレータネットワークとシーン再構築ネットワークから構成される。
  論文  参考訳（メタデータ） (2023-04-17T17:05:29Z)
• Star-Net: Improving Single Image Desnowing Model With More Efficient Connection and Diverse Feature Interaction [0.8602553195689513]
  本稿では,Star-Netと呼ばれる新しい単一画像認識ネットワークを提案する。 まず、スター型スキップ接続(SSC)を設計し、全ての異なる機能のための情報チャネルを確立する。 第2に、Star-NetのベースモジュールとしてMulti-Stage Interactive Transformer(MIT)を提案する。 第3に, 積雪粒子と積雪霧を除去するデジネートフィルタモジュール (DFM) を提案する。
  論文  参考訳（メタデータ） (2023-03-17T14:03:49Z)
• Shap-CAM: Visual Explanations for Convolutional Neural Networks based on Shapley Value [86.69600830581912]
  クラスアクティベーションマッピングに基づくShap-CAMと呼ばれる新しい視覚的説明法を開発した。 我々は,Shap-CAMが意思決定プロセスの解釈において,より良い視覚的性能と公平性を実現することを実証した。
  論文  参考訳（メタデータ） (2022-08-07T00:59:23Z)
• Towards Real-time High-Definition Image Snow Removal: Efficient Pyramid Network with Asymmetrical Encoder-decoder Architecture [6.682410871522934]
  リアルタイムHD画像認識のための非対称エンコーダデコーダアーキテクチャを用いた高効率ピラミッドネットワークを開発した。 提案手法は,HDおよびUltra-HD画像の処理困難を効果的に処理し,より複雑な処理性能のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-07-12T15:18:41Z)
• Snow Mask Guided Adaptive Residual Network for Image Snow Removal [21.228758052455273]
  雪は、高レベルのコンピュータビジョンタスクのパフォーマンスに深刻な影響を与える非常に一般的な大気現象である。 SMGARN(Snow Mask Guided Adaptive Residual Network)を提案する。 Mask-Net、Guidance-Fusion Network (GF-Net)、Reconstruct-Netの3部で構成されている。 SMGARNは既存の除雪方法よりも数値的に優れており、再構成された画像は視覚的コントラストにおいてより鮮明である。
  論文  参考訳（メタデータ） (2022-07-11T10:30:46Z)
• Monocular Human Digitization via Implicit Re-projection Networks [5.545779293487839]
  画像から3次元モデルを生成する手法を提案する。 フレームワークの鍵となるのは、両面の直交深度マップとカラー画像が単一の視点で投影された画像から予測できることである。
  論文  参考訳（メタデータ） (2022-05-13T06:53:05Z)
• Beyond Monocular Deraining: Parallel Stereo Deraining Network Via Semantic Prior [103.49307603952144]
  ほとんどの既存の脱雨アルゴリズムは単一の入力画像のみを使用し、クリーンな画像の復元を目指しています。 本稿では,ステレオ画像とセマンティック情報の両方を利用するPaired Rain Removal Network(PRRNet)を提案する。 単分子および新たに提案したステレオ降雨データセットの両方の実験により,提案手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2021-05-09T04:15:10Z)
• Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning [52.07698484363237]
  本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。 本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-04-05T13:04:44Z)
• Exploiting Semantics for Face Image Deblurring [121.44928934662063]
  本稿では,深層畳み込みニューラルネットワークによる意味的手がかりを利用して,効果的かつ効率的な顔分解アルゴリズムを提案する。 顔のセマンティックラベルを入力先として組み込んで,顔の局所構造を正規化するための適応的構造損失を提案する。 提案手法は、より正確な顔の特徴と細部を持つシャープ画像を復元する。
  論文  参考訳（メタデータ） (2020-01-19T13:06:27Z)

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。