Fugu-MT 論文翻訳(概要): Rank-One Prior: Toward Real-Time Scene Recovery

論文の概要: Rank-One Prior: Toward Real-Time Scene Recovery

arxiv url: http://arxiv.org/abs/2103.17126v1
Date: Wed, 31 Mar 2021 14:47:55 GMT
ステータス: 処理完了
システム内更新日: 2021-04-01 14:29:57.529162
Title: Rank-One Prior: Toward Real-Time Scene Recovery
Title（参考訳）: rank-one prior:リアルタイムシーンリカバリに向けて
Authors: Jun Liu, Ryan Wen Liu, Jianing Sun, Tieyong Zeng
Abstract要約: 本研究では,砂嵐,水中,煙突などで劣化したシーンをリアルタイムに再現する手法を提案する。提案手法は, 効率とロバスト性の観点から, 最先端の撮像法に優れる。
参考スコア（独自算出の注目度）: 15.725600389455343
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Scene recovery is a fundamental imaging task for several practical applications, e.g., video surveillance and autonomous vehicles, etc. To improve visual quality under different weather/imaging conditions, we propose a real-time light correction method to recover the degraded scenes in the cases of sandstorms, underwater, and haze. The heart of our work is that we propose an intensity projection strategy to estimate the transmission. This strategy is motivated by a straightforward rank-one transmission prior. The complexity of transmission estimation is $O(N)$ where $N$ is the size of the single image. Then we can recover the scene in real-time. Comprehensive experiments on different types of weather/imaging conditions illustrate that our method outperforms competitively several state-of-the-art imaging methods in terms of efficiency and robustness.
Abstract（参考訳）: シーンのリカバリは、ビデオ監視や自動運転車など、いくつかの実用的な応用のための基本的なイメージングタスクである。気象・画像の異なる条件下での視覚的品質向上のために,砂嵐,水中,迷路などにおける劣化シーンを再現するリアルタイム光補正手法を提案する。我々の研究の核心は、伝達を推定するための強度投影戦略を提案することです。この戦略は、直接のランク1転送によって動機付けられる。送信推定の複雑さは$O(N)$であり、$N$は単一の画像のサイズである。そして、リアルタイムでシーンを復元できます。各種の気象・画像条件に関する総合的な実験により,本手法は効率とロバスト性の観点から,いくつかの最先端撮像法よりも優れた性能を示した。

関連論文リスト

ReviveDiff: A Universal Diffusion Model for Restoring Images in Adverse Weather Conditions [10.432572684209505]
本稿では,広範囲の劣化に対処できる汎用ネットワークアーキテクチャ"ReviveDiff"を提案する。我々のアプローチは、悪条件下での品質劣化は、主に天然メディアに由来するという観察から着想を得たものである。我々は,5種類の劣化条件をカバーする7つのベンチマークデータセットに対して,ReviveDiffを厳格に評価した。
論文参考訳（メタデータ） (2024-09-27T17:29:23Z)
Single Image Dehazing Using Scene Depth Ordering [15.929908168136823]
本研究では, 湿潤画像の深度秩序を利用して, 乾燥過程を導出する深度秩序誘導単写像デハージング法を提案する。提案手法は、最先端の脱ハージング法よりも高い計算効率で、ポテンシャル構造と鮮明な色を復元することができる。
論文参考訳（メタデータ） (2024-08-11T03:29:27Z)
Efficient Diffusion Model for Image Restoration by Residual Shifting [63.02725947015132]
本研究では,画像復元のための新しい,効率的な拡散モデルを提案する。提案手法は,推論中の後処理の高速化を回避し,関連する性能劣化を回避する。提案手法は,3つの古典的IRタスクにおける現在の最先端手法よりも優れた,あるいは同等の性能を実現する。
論文参考訳（メタデータ） (2024-03-12T05:06:07Z)
Blurry Video Compression: A Trade-off between Visual Enhancement and Data Compression [65.8148169700705]
既存のビデオ圧縮(VC)手法は主に、ビデオ内の連続フレーム間の空間的および時間的冗長性を減らすことを目的としている。これまでの研究は、インスタント(既知の)露光時間やシャッタースピードなどの特定の設定で取得されたビデオに対して、顕著な成果を上げてきた。本研究では,シーン内のカメラ設定やダイナミックスによって,所定の映像がぼやけてしまうという一般的なシナリオにおいて,VCの問題に取り組む。
論文参考訳（メタデータ） (2023-11-08T02:17:54Z)
ScatterNeRF: Seeing Through Fog with Physically-Based Inverse Neural Rendering [83.75284107397003]
本稿では,シーンをレンダリングし,霧のない背景を分解するニューラルネットワークレンダリング手法であるScatterNeRFを紹介する。本研究では,散乱量とシーンオブジェクトの非絡み合い表現を提案し,物理に着想を得た損失を伴ってシーン再構成を学習する。マルチビューIn-the-Wildデータをキャプチャして,大規模な霧室内でのキャプチャを制御し,本手法の有効性を検証した。
論文参考訳（メタデータ） (2023-05-03T13:24:06Z)
AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
論文参考訳（メタデータ） (2022-08-24T03:13:04Z)
When the Sun Goes Down: Repairing Photometric Losses for All-Day Depth Estimation [47.617222712429026]
既存の測光損失を昼夜両方の画像に有効にするための3つの手法の組み合わせについて述べる。まず、連続するフレーム間で起こる光の変化を補うために、ピクセルごとの神経強度変換を導入する。第2に,推定エゴモーションと深度によって引き起こされる再投影対応を補正するために,画素ごとの残留フローマップを推定する。
論文参考訳（メタデータ） (2022-06-28T09:29:55Z)
Low-light Image and Video Enhancement via Selective Manipulation of Chromaticity [1.4680035572775534]
低照度画像と映像強調のための簡易かつ効果的なアプローチを提案する。上述の適応性により、低照度画像分解による照明と反射率へのコストのかかるステップを回避できる。標準の低照度画像データセットでは,いくつかの最先端技術に対して,アルゴリズムの有効性と質的,定量的な優位性を示す。
論文参考訳（メタデータ） (2022-03-09T17:01:28Z)
LTT-GAN: Looking Through Turbulence by Inverting GANs [86.25869403782957]
本稿では,よく訓練されたGANによってカプセル化された視覚的事前情報を利用した最初の乱流緩和手法を提案する。視覚的先行性に基づき、周期的な文脈距離で復元された画像の同一性を維持することを学ぶことを提案する。本手法は, 回復した結果の視覚的品質と顔認証精度の両方において, 先行技術よりも優れていた。
論文参考訳（メタデータ） (2021-12-04T16:42:13Z)
Burst Imaging for Light-Constrained Structure-From-Motion [4.125187280299246]
低光環境下で得られた画像から3次元再構成を支援する画像処理技術を開発した。バースト写真に基づく本手法は,短時間露光画像のバースト内における画像登録に直接的手法を用いる。本手法は,低光環境下でのロボットの動作を可能にするための重要なステップであり,地中鉱山や夜間作業などの環境におけるロボットの動作に応用できる可能性がある。
論文参考訳（メタデータ） (2021-08-23T02:12:40Z)

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。