論文の概要: Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning

• arxiv url: http://arxiv.org/abs/2104.01888v1
• Date: Mon, 5 Apr 2021 13:04:44 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-06 20:33:51.148163
• Title: Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning
• Title（参考訳）: 人工シーン前・2次元グラフ推論による非均一ヘイズ除去
• Authors: Haoran Wei, Qingbo Wu, Hui Li, King Ngi Ngan, Hongliang Li, Fanman Meng, and Linfeng Xu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 52.07698484363237
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Due to the lack of natural scene and haze prior information, it is greatly challenging to completely remove the haze from single image without distorting its visual content. Fortunately, the real-world haze usually presents non-homogeneous distribution, which provides us with many valuable clues in partial well-preserved regions. In this paper, we propose a Non-Homogeneous Haze Removal Network (NHRN) via artificial scene prior and bidimensional graph reasoning. Firstly, we employ the gamma correction iteratively to simulate artificial multiple shots under different exposure conditions, whose haze degrees are different and enrich the underlying scene prior. Secondly, beyond utilizing the local neighboring relationship, we build a bidimensional graph reasoning module to conduct non-local filtering in the spatial and channel dimensions of feature maps, which models their long-range dependency and propagates the natural scene prior between the well-preserved nodes and the nodes contaminated by haze. We evaluate our method on different benchmark datasets. The results demonstrate that our method achieves superior performance over many state-of-the-art algorithms for both the single image dehazing and hazy image understanding tasks.
• Abstract（参考訳）: 自然界の欠如と先行情報により、その視覚的内容が歪むことなく、単一の画像からヘイズを完全に取り除くことは極めて困難である。 幸いなことに、実世界の迷路は通常均質でない分布を示しており、部分保存された領域で多くの貴重な手がかりを提供する。 本稿では,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。 まず、異なる露光条件下で人工的な多重ショットを再現するために、ガンマ補正を反復的に使用し、そのヘイズ度が異なり、それ以前のシーンを豊かにする。 次に,2次元グラフ推論モジュールを構築し,特徴写像の空間的およびチャネル的次元における非局所的なフィルタリングを行い,それらの長距離依存性をモデル化し,保存状態の良いノードとヘイズによって汚染されたノードとの間の自然シーンを伝搬する。 提案手法を,異なるベンチマークデータセットで評価する。 その結果,本手法は,単一画像デハジング処理とハイザイ画像理解処理の両方において,最先端アルゴリズムよりも優れた性能が得られることがわかった。

関連論文リスト

• Taming Latent Diffusion Model for Neural Radiance Field Inpainting [63.297262813285265]
  ニューラル・ラジアンス・フィールド(NeRF)は多視点画像からの3次元再構成の表現である。 本研究では,シーンごとのカスタマイズによる拡散モデルの傾向の緩和と,マスキングトレーニングによるテクスチャシフトの緩和を提案する。 我々のフレームワークは、様々な現実世界のシーンに最先端のNeRF塗装結果をもたらす。
  論文  参考訳（メタデータ） (2024-04-15T17:59:57Z)
• DHFormer: A Vision Transformer-Based Attention Module for Image Dehazing [0.0]
  ぼんやりとした条件で取得された画像は、それらによって引き起こされる劣化を生じさせる。 ハウズの効果を緩和し、ヘイズフリーな画像を生成するために、事前ベースおよび学習ベースのアプローチが提案されている。 本稿では,アテンションモジュールにおける残差学習と視覚変換を用いた手法を提案する。
  論文  参考訳（メタデータ） (2023-12-15T17:05:32Z)
• Diffusion Posterior Illumination for Ambiguity-aware Inverse Rendering [63.24476194987721]
  画像からシーン特性を推定する逆レンダリングは、困難な逆問題である。 既存のソリューションの多くは、プリエントを逆レンダリングパイプラインに組み込んで、プラウシブルなソリューションを奨励している。 本稿では,自然照明マップ上で事前学習した確率拡散モデルを最適化フレームワークに統合する手法を提案する。
  論文  参考訳（メタデータ） (2023-09-30T12:39:28Z)
• Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
  Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。 我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。 我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
  論文  参考訳（メタデータ） (2023-09-18T09:36:24Z)
• Aerial Diffusion: Text Guided Ground-to-Aerial View Translation from a Single Image using Diffusion Models [72.76182801289497]
  そこで本研究では,テキストガイダンスを用いて1つの地上画像から空中映像を生成する新しい手法であるAerial Diffusionを提案する。 地上ビューと空中ビューのドメインギャップに対応する2つの主な課題に対処する。 航空拡散(Aerial Diffusion)は、地上から航空への翻訳を教師なしで行う最初のアプローチである。
  論文  参考訳（メタデータ） (2023-03-15T22:26:09Z)
• Dual-Scale Single Image Dehazing Via Neural Augmentation [29.019279446792623]
  モデルベースとデータ駆動のアプローチを組み合わせることで,新しい単一画像デハージングアルゴリズムを導入する。 その結果,提案アルゴリズムは実世界および合成ヘイズ画像からヘイズをうまく除去できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-13T11:56:03Z)
• Unsupervised Neural Rendering for Image Hazing [31.108654945661705]
  Image hazingは、ゲーム、撮影、写真のフィルタリング、画像のデハージングなど、さまざまな実用用途に適用可能な、クリーンな画像からヘイズな画像をレンダリングすることを目的としている。 本稿では,ハゼゲンと呼ばれる画像のレンダリング手法を提案する。具体的には,ハゼゲンは知識駆動型ニューラルネットワークであり,新しい先行情報を利用して送信マップを推定する。 エアライトを適応的に学習するために、別の新しい先行技術に基づいてニューラルモジュールを構築する。
  論文  参考訳（メタデータ） (2021-07-14T13:15:14Z)
• NH-HAZE: An Image Dehazing Benchmark with Non-Homogeneous Hazy and Haze-Free Images [95.00583228823446]
  NH-HAZEは非同質な現実的データセットであり、実写のヘイズフリー画像とそれに対応するヘイズフリー画像のペアである。 本研究は、NH-HAZEデータセットを用いて評価した、最先端の単一画像デハージング手法の客観的評価を示す。
  論文  参考訳（メタデータ） (2020-05-07T15:50:37Z)

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。