論文の概要: Towards a Unified Approach to Single Image Deraining and Dehazing
- arxiv url: http://arxiv.org/abs/2103.14204v1
- Date: Fri, 26 Mar 2021 01:35:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-29 12:47:05.301590
- Title: Towards a Unified Approach to Single Image Deraining and Dehazing
- Title(参考訳): 単一画像のレーディング・デヘイジングへの統一的アプローチに向けて
- Authors: Xiaohong Liu, Yongrui Ma, Zhihao Shi, Linhui Dai, Jun Chen
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 16.383099109400156
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We develop a new physical model for the rain effect and show that the
well-known atmosphere scattering model (ASM) for the haze effect naturally
emerges as its homogeneous continuous limit. Via depth-aware fusion of
multi-layer rain streaks according to the camera imaging mechanism, the new
model can better capture the sophisticated non-deterministic degradation
patterns commonly seen in real rainy images. We also propose a Densely
Scale-Connected Attentive Network (DSCAN) that is suitable for both deraining
and dehazing tasks. Our design alleviates the bottleneck issue existent in
conventional multi-scale networks and enables more effective information
exchange and aggregation. Extensive experimental results demonstrate that the
proposed DSCAN is able to deliver superior derained/dehazed results on both
synthetic and real images as compared to the state-of-the-art. Moreover, it is
shown that for our DSCAN, the synthetic dataset built using the new physical
model yields better generalization performance on real images in comparison
with the existing datasets based on over-simplified models.
- Abstract(参考訳): 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。
カメライメージング機構による多層雨天の深層融合により, 実際の雨天画像によく見られる高度な非決定論的劣化パターンをよりよく捉えることができる。
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。
従来のマルチスケールネットワークにおけるボトルネック問題を緩和し,より効果的な情報交換と集約を可能にする。
大規模な実験結果から,DSCANは合成画像と実画像の両方において,最先端のデハズド・デハズド画像を提供できることが示された。
さらに,dscanでは,新しい物理モデルを用いて構築した合成データセットにより,既存データセットと比較して実画像の一般化性能が向上することを示した。
関連論文リスト
- Improving the Effectiveness of Deep Generative Data [5.856292656853396]
下流の画像処理タスクのための純粋合成画像のモデルを訓練すると、実際のデータに対するトレーニングに比べ、望ましくない性能低下が生じる。
本稿では,この現象に寄与する要因を記述した新しい分類法を提案し,CIFAR-10データセットを用いて検討する。
本手法は,合成データと合成データの混合による学習と合成データのみの学習において,下流分類タスクのベースラインに優れる。
論文 参考訳(メタデータ) (2023-11-07T12:57:58Z) - UAV-Sim: NeRF-based Synthetic Data Generation for UAV-based Perception [62.71374902455154]
ニューラルレンダリングの最近の進歩を利用して、静的および動的ノベルビューUAVベースの画像レンダリングを改善する。
本研究では,主に実データと合成データのハイブリッドセットに基づいて最先端検出モデルが最適化された場合,性能が大幅に向上することを示す。
論文 参考訳(メタデータ) (2023-10-25T00:20:37Z) - RSDiff: Remote Sensing Image Generation from Text Using Diffusion Model [1.0334138809056097]
本稿では,テキストのプロンプトに基づいて高解像度衛星画像を生成するための,革新的で軽量な手法を提案する。
提案手法は, 現実的な地理的特徴, 気象条件, 土地構造を持つ衛星画像の生成において, 既存のSoTAモデルよりも優れていることを示す。
論文 参考訳(メタデータ) (2023-09-03T09:34:49Z) - Contrastive Learning Based Recursive Dynamic Multi-Scale Network for
Image Deraining [47.764883957379745]
雨のストリークは撮影画像の可視性を著しく低下させる。
既存のディープラーニングベースの画像デライニング手法では、手作業で構築されたネットワークを使用して、雨の降った画像から明確な画像への直接投影を学習する。
本稿では,雨天画像と澄んだ画像との相関関係を考察した,対照的な学習に基づく画像デライニング手法を提案する。
論文 参考訳(メタデータ) (2023-05-29T13:51:41Z) - Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。
本稿では,階層型統合拡散モデル(HI-Diff)を提案する。
人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
論文 参考訳(メタデータ) (2023-05-22T12:18:20Z) - DOLCE: A Model-Based Probabilistic Diffusion Framework for Limited-Angle
CT Reconstruction [42.028139152832466]
Limited-Angle Computed Tomography (LACT) は、セキュリティから医療まで様々な用途で使用される非破壊的評価技術である。
DOLCEは、条件付き拡散モデルを画像として用いた、LACTのための新しいディープモデルベースのフレームワークである。
論文 参考訳(メタデータ) (2022-11-22T15:30:38Z) - DiVAE: Photorealistic Images Synthesis with Denoising Diffusion Decoder [73.1010640692609]
本稿では,拡散デコーダ(DiVAE)を用いたVQ-VAEアーキテクチャモデルを提案する。
我々のモデルは最先端の成果を達成し、さらに多くのフォトリアリスティックな画像を生成する。
論文 参考訳(メタデータ) (2022-06-01T10:39:12Z) - Robust Single Image Dehazing Based on Consistent and Contrast-Assisted
Reconstruction [95.5735805072852]
画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。
具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。
我々の手法は最先端のアプローチを大きく上回っている。
論文 参考訳(メタデータ) (2022-03-29T08:11:04Z) - High-Frequency aware Perceptual Image Enhancement [0.08460698440162888]
マルチスケール解析に適した新しいディープニューラルネットワークを導入し,効率的なモデルに依存しない手法を提案する。
本モデルは,デノイング,デブロアリング,単一画像超解像などのマルチスケール画像強調問題に適用できる。
論文 参考訳(メタデータ) (2021-05-25T07:33:14Z) - From Rain Generation to Rain Removal [67.71728610434698]
雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。
降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。
総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
論文 参考訳(メタデータ) (2020-08-08T18:56:51Z)
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。