論文の概要: Remote Sensing Image Translation via Style-Based Recalibration Module
and Improved Style Discriminator
- arxiv url: http://arxiv.org/abs/2103.15502v1
- Date: Mon, 29 Mar 2021 11:12:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-31 00:35:43.208934
- Title: Remote Sensing Image Translation via Style-Based Recalibration Module
and Improved Style Discriminator
- Title(参考訳): スタイルベース校正モジュールと改良型スタイル判別器によるリモートセンシング画像変換
- Authors: Tiange Zhang, Feng Gao, Junyu Dong, Qian Du
- Abstract要約: 既存のリモートセンシング変化検出手法は季節変動の影響を強く受けている。
スタイルベースのリキャリブレーションモジュールを導入し、季節の機能を効果的にキャプチャします。
翻訳性能を向上させるために新しいスタイル判別器が設計された。
- 参考スコア(独自算出の注目度): 34.13738895283761
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Existing remote sensing change detection methods are heavily affected by
seasonal variation. Since vegetation colors are different between winter and
summer, such variations are inclined to be falsely detected as changes. In this
letter, we proposed an image translation method to solve the problem. A
style-based recalibration module is introduced to capture seasonal features
effectively. Then, a new style discriminator is designed to improve the
translation performance. The discriminator can not only produce a decision for
the fake or real sample, but also return a style vector according to the
channel-wise correlations. Extensive experiments are conducted on
season-varying dataset. The experimental results show that the proposed method
can effectively perform image translation, thereby consistently improving the
season-varying image change detection performance. Our codes and data are
available at https://github.com/summitgao/RSIT_SRM_ISD.
- Abstract(参考訳): 既存のリモートセンシング変化検出手法は季節変動の影響を強く受けている。
冬と夏は植生の色が異なるため、変化として誤って検出される傾向にある。
本稿では,この問題を解決するための画像翻訳手法を提案する。
季節的特徴を効果的に捉えるために、スタイルベースのリカレーションモジュールが導入された。
そして、翻訳性能を向上させるために新しいスタイル判別器を設計する。
判別器は、偽または実サンプルの判定を生成できるだけでなく、チャネルワイドの相関に基づいてスタイルベクトルを返す。
季節変動データセットで広範な実験が行われている。
実験の結果,提案手法は画像変換を効果的に行うことができ,季節変動画像変化検出性能を一貫して向上できることがわかった。
私たちのコードとデータはhttps://github.com/summitgao/rsit_srm_isdで入手できます。
関連論文リスト
- Robust Novelty Detection through Style-Conscious Feature Ranking [7.691679448855549]
我々は、タスク関連セマンティクスまたはコンテンツ変更と無関係なスタイル変更の正式な区別を提唱する。
この区別は堅牢な新規性検出の基礎を形成し、スタイルの分布シフトに耐性のある意味変化の同定を強調している。
本稿では,事前学習した大規模モデル表現を用いて環境バイアスのある特徴を選択的に破棄する手法であるStylistを紹介する。
論文 参考訳(メタデータ) (2023-10-05T17:58:32Z) - Masked Discriminators for Content-Consistent Unpaired Image-to-Image
Translation [1.3654846342364308]
画像から画像への変換の欠如の共通のゴールは、ソース画像と翻訳画像の間のコンテンツ一貫性を維持することである。
コンテンツベースのマスクを用いて、両領域のグローバル識別器の入力をマスキングすることは、コンテンツの不整合を著しく低減するのに十分であることを示す。
実験により,本手法は,光現実的シミュレーショナル翻訳と気象翻訳において,最先端の性能を達成できることが判明した。
論文 参考訳(メタデータ) (2023-09-22T21:32:07Z) - UCDFormer: Unsupervised Change Detection Using a Transformer-driven
Image Translation [20.131754484570454]
両時間画像の比較による変化検出(CD)は,リモートセンシングにおいて重要な課題である。
リモートセンシング画像に対する領域シフト設定による変更検出を提案する。
UCDFormerと呼ばれる軽量トランスを用いた新しい教師なしCD方式を提案する。
論文 参考訳(メタデータ) (2023-08-02T13:39:08Z) - Improving Diffusion-based Image Translation using Asymmetric Gradient
Guidance [51.188396199083336]
非対称勾配法の適用により拡散サンプリングの逆過程を導出する手法を提案する。
我々のモデルの適応性は、画像融合モデルと潜時拡散モデルの両方で実装できる。
実験により,本手法は画像翻訳タスクにおいて,様々な最先端モデルよりも優れていることが示された。
論文 参考訳(メタデータ) (2023-06-07T12:56:56Z) - Diffusion-based Image Translation using Disentangled Style and Content
Representation [51.188396199083336]
セマンティックテキストや単一のターゲット画像でガイドされた拡散ベースの画像変換により、柔軟なスタイル変換が可能になった。
逆拡散中、画像の原内容を維持することはしばしば困難である。
本稿では,不整合スタイルとコンテンツ表現を用いた新しい拡散に基づく教師なし画像翻訳手法を提案する。
提案手法は,テキスト誘導と画像誘導の両方の翻訳作業において,最先端のベースライン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) (2022-09-30T06:44:37Z) - Learning Diverse Tone Styles for Image Retouching [73.60013618215328]
本稿では,フローベースアーキテクチャの標準化により,多様な画像のリタッチを学習することを提案する。
ジョイントトレーニングパイプラインは、スタイルエンコーダ、条件付きRetouchNet、イメージトーンスタイル正規化フロー(TSFlow)モジュールで構成される。
提案手法は最先端の手法に対して良好に動作し,多様な結果を生成するのに有効である。
論文 参考訳(メタデータ) (2022-07-12T09:49:21Z) - Saliency Constrained Arbitrary Image Style Transfer using SIFT and DCNN [22.57205921266602]
一般的なニューラルスタイルの転送方法を使用する場合、スタイル画像のテクスチャや色は通常、コンテンツ画像に不完全に転送される。
本稿では,その効果を低減・回避するための新しいサリエンシ制約手法を提案する。
実験により、ソースイメージの正当性マップは正しいマッチングを見つけ出し、アーティファクトを避けるのに役立つことが示された。
論文 参考訳(メタデータ) (2022-01-14T09:00:55Z) - A Hierarchical Transformation-Discriminating Generative Model for Few
Shot Anomaly Detection [93.38607559281601]
各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。
この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
論文 参考訳(メタデータ) (2021-04-29T17:49:48Z) - PREGAN: Pose Randomization and Estimation for Weakly Paired Image Style
Translation [11.623477199795037]
本稿では2つの画像のコンテンツがポーズの誤りと一致しているスタイル翻訳のための弱いペアリング設定を提案する。
PreGANは、シミュレーションデータと実世界の収集データの両方で検証され、有効性を示す。
論文 参考訳(メタデータ) (2020-10-31T16:11:11Z) - Permuted AdaIN: Reducing the Bias Towards Global Statistics in Image
Classification [97.81205777897043]
近年の研究では、畳み込みニューラルネットワーク分類器は形状を犠牲にしてテクスチャを過度に依存していることが示されている。
一方、形状と局所像の区別は類似しているが異なるが、一方、グローバル画像統計は異なる。
提案手法は,pAdaIN (Permuted Adaptive Instance Normalization) と呼ばれ,画像分類器の隠蔽層におけるグローバル統計の表現を減少させる。
論文 参考訳(メタデータ) (2020-10-09T16:38:38Z)
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。