論文の概要: Frequency Domain Loss Function for Deep Exposure Correction of Dark Images

• arxiv url: http://arxiv.org/abs/2104.10856v1
• Date: Thu, 22 Apr 2021 04:13:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-23 13:45:36.603529
• Title: Frequency Domain Loss Function for Deep Exposure Correction of Dark Images
• Title（参考訳）: 暗画像の深部露光補正のための周波数領域損失関数
• Authors: Ojasvi Yadav, Koustav Ghosal, Sebastian Lutz, Aljosa Smolic
• Abstract要約: 野生の低照度環境において撮影された暗くぼやけた画像の露光補正の問題に対処する。 本研究では,従来の損失と組み合わせてネットワークを訓練し,出力を視覚的に満足するための重要な特徴を翻訳する,dct/fftに基づくマルチスケール損失関数を提案する。
• 参考スコア（独自算出の注目度）: 14.381284167778084
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We address the problem of exposure correction of dark, blurry and noisy images captured in low-light conditions in the wild. Classical image-denoising filters work well in the frequency space but are constrained by several factors such as the correct choice of thresholds, frequency estimates etc. On the other hand, traditional deep networks are trained end-to-end in the RGB space by formulating this task as an image-translation problem. However, that is done without any explicit constraints on the inherent noise of the dark images and thus produce noisy and blurry outputs. To this end we propose a DCT/FFT based multi-scale loss function, which when combined with traditional losses, trains a network to translate the important features for visually pleasing output. Our loss function is end-to-end differentiable, scale-agnostic, and generic; i.e., it can be applied to both RAW and JPEG images in most existing frameworks without additional overhead. Using this loss function, we report significant improvements over the state-of-the-art using quantitative metrics and subjective tests.
• Abstract（参考訳）: 野生の低照度環境において撮影された暗くぼやけた画像の露光補正の問題に対処する。 古典的なイメージデオライジングフィルタは周波数空間でうまく機能するが、閾値の正しい選択、周波数推定などいくつかの要因によって制約される。 一方、従来のディープネットワークは、画像翻訳問題としてこのタスクを定式化することにより、RGB空間のエンドツーエンドで訓練されている。 しかし、これは暗黒画像固有のノイズに明示的な制約を伴わずに行われ、ノイズやぼやけた出力を生成する。 そこで本研究では,DCT/FFTに基づくマルチスケール損失関数を提案する。 私たちの損失関数は、エンドツーエンドの微分可能、スケール非依存、ジェネリックです。つまり、ほとんどの既存のフレームワークでRAWとJPEGの両方のイメージに、追加のオーバーヘッドなしで適用できます。 この損失関数を用いて, 定量的指標と主観的テストを用いて, 最新技術に対する大幅な改善を報告した。

関連論文リスト

• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。 また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• FDCE-Net: Underwater Image Enhancement with Embedding Frequency and Dual Color Encoder [49.79611204954311]
  水中画像は、低明度、色の変化、ぼやけた詳細、吸光光によるノイズ、水や懸濁粒子による散乱などの様々な問題に悩まされることが多い。 従来の水中画像強調法(UIE)は主に空間領域の強調に焦点を当てており、画像固有の周波数領域情報を無視している。
  論文  参考訳（メタデータ） (2024-04-27T15:16:34Z)
• Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
  本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。 本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。 本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
  論文  参考訳（メタデータ） (2024-02-28T09:27:41Z)
• Implicit Neural Image Stitching [41.28311406845525]
  我々は、任意のスケールの超解像を拡大する新しいアプローチ、暗黙的ニューラルイメージスチッチ(NIS)を提案する。 本手法は品質向上のための画像のフーリエ係数を推定する。 以上の結果から,本手法は従来の深部画像縫合の低精細画像の解消に有効であることが明らかとなった。
  論文  参考訳（メタデータ） (2023-09-04T07:40:30Z)
• Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
  従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。 我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T08:29:19Z)
• Seeing Through The Noisy Dark: Toward Real-world Low-Light Image Enhancement and Denoising [125.56062454927755]
  現実の低照度環境は通常、光やハードウェアの限界が不足しているため、視界が低く、騒音が重い。 我々は、RLED-Net(Real-world Low-light Enhancement & Denoising Network)と呼ばれる新しいエンドツーエンド手法を提案する。
  論文  参考訳（メタデータ） (2022-10-02T14:57:23Z)
• NBD-GAP: Non-Blind Image Deblurring Without Clean Target Images [79.33220095067749]
  良好な性能を得るためには、トレーニングには大量のぼやけたクリーンなイメージペアが必要である。 テスト中のぼやけた画像とぼやけたカーネルが、トレーニング中に使用するものとは大きく異なる場合、ディープネットワークはよく機能しないことが多い。
  論文  参考訳（メタデータ） (2022-09-20T06:21:11Z)
• iToF2dToF: A Robust and Flexible Representation for Data-Driven Time-of-Flight Imaging [26.17890136713725]
  間接飛行時間(iToF)カメラは、有望な深度検出技術です。 マルチパス干渉(MPI)と低信号対雑音比(SNR)によって引き起こされるエラーが発生しやすい。
  論文  参考訳（メタデータ） (2021-03-12T04:57:52Z)
• Image Inpainting with Learnable Feature Imputation [8.293345261434943]
  正規畳み込み層は、未知の領域にフィルターを適用するのと同じ方法で、塗装された画像の視覚的アーティファクトを引き起こす。 本稿では,欠落した入力値の畳み込みに対する(階層的な)特徴計算を提案する。 我々はCelebA-HQとPlaces2を比較し,そのモデルを検証する。
  論文  参考訳（メタデータ） (2020-11-02T16:05:32Z)

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。