論文の概要: Beyond Monocular Deraining: Parallel Stereo Deraining Network Via Semantic Prior

• arxiv url: http://arxiv.org/abs/2105.03830v1
• Date: Sun, 9 May 2021 04:15:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-11 14:55:20.731450
• Title: Beyond Monocular Deraining: Parallel Stereo Deraining Network Via Semantic Prior
• Title（参考訳）: 単眼的デラリングを超えて--semantic priorによる並列ステレオデラリングネットワーク
• Authors: Kaihao Zhang, Wenhan Luo, Yanjiang Yu, Wenqi Ren, Fang Zhao, Changsheng Li, Lin Ma, Wei Liu, Hongdong Li
• Abstract要約: ほとんどの既存の脱雨アルゴリズムは単一の入力画像のみを使用し、クリーンな画像の復元を目指しています。 本稿では,ステレオ画像とセマンティック情報の両方を利用するPaired Rain Removal Network(PRRNet)を提案する。 単分子および新たに提案したステレオ降雨データセットの両方の実験により,提案手法が最先端の性能を達成することを示す。
• 参考スコア（独自算出の注目度）: 103.49307603952144
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rain is a common natural phenomenon. Taking images in the rain however often results in degraded quality of images, thus compromises the performance of many computer vision systems. Most existing de-rain algorithms use only one single input image and aim to recover a clean image. Few work has exploited stereo images. Moreover, even for single image based monocular deraining, many current methods fail to complete the task satisfactorily because they mostly rely on per pixel loss functions and ignore semantic information. In this paper, we present a Paired Rain Removal Network (PRRNet), which exploits both stereo images and semantic information. Specifically, we develop a Semantic-Aware Deraining Module (SADM) which solves both tasks of semantic segmentation and deraining of scenes, and a Semantic-Fusion Network (SFNet) and a View-Fusion Network (VFNet) which fuse semantic information and multi-view information respectively. In addition, we also introduce an Enhanced Paired Rain Removal Network (EPRRNet) which exploits semantic prior to remove rain streaks from stereo images. We first use a coarse deraining network to reduce the rain streaks on the input images, and then adopt a pre-trained semantic segmentation network to extract semantic features from the coarse derained image. Finally, a parallel stereo deraining network fuses semantic and multi-view information to restore finer results. We also propose new stereo based rainy datasets for benchmarking. Experiments on both monocular and the newly proposed stereo rainy datasets demonstrate that the proposed method achieves the state-of-the-art performance.
• Abstract（参考訳）: 雨は一般的な自然現象である。 しかし、雨の中で画像を取ると画像の品質が劣化し、多くのコンピュータビジョンシステムの性能が損なわれる。 既存のデレインアルゴリズムの多くは単一の入力画像のみを使用し、クリーンな画像を復元することを目指している。 ステレオ画像を利用した作品はほとんどない。 さらに、単一の画像ベースの単眼微分であっても、多くの現在の方法では、ピクセル損失関数に多く依存し、意味情報を無視するため、タスクを満足に完了できない。 本稿では,ステレオ画像と意味情報の両方を活用するPaired Rain removal Network(PRRNet)を提案する。 具体的には,シーンのセマンティクスセグメンテーションとデランシングの課題を解決するセマンティクスアウェア・デランシングモジュール(sadm)と,セマンティクス情報とマルチビュー情報をそれぞれ融合するセマンティクス・フュージョン・ネットワーク(sfnet)とビュー・フュージョン・ネットワーク(vfnet)を開発する。 また,ステレオ画像からの雨裂除去に先立って意味を活用したペア雨除去ネットワーク (eprrnet) も導入した。 まず, 入力画像の降雨量を削減するために粗いデラインネットワークを使用し, そして, 粗いデライン画像から意味的特徴を抽出するために, 事前学習されたセマンティックセグメンテーションネットワークを採用する。 最後に、並列ステレオデラミニングネットワークは、セマンティックとマルチビュー情報を融合してより微細な結果を復元する。 また,ベンチマークのためのステレオベース雨季データセットを提案する。 単分子および新たに提案したステレオ降雨データセットの両方の実験により,提案手法が最先端の性能を達成することを示す。

関連論文リスト

• Dynamic Association Learning of Self-Attention and Convolution in Image Restoration [56.49098856632478]
  CNNとSelf attentionは、画像修復における自己意識と畳み込みの動的関連学習のためのマルチメディアアプリケーションにおいて大きな成功を収めている。 本稿では,その利点を活かし,その欠点を抑え,高品質で効率的な塗布を実現するためのアソシエーション学習手法を提案する。
  論文  参考訳（メタデータ） (2023-11-09T05:11:24Z)
• Single Image Deraining via Feature-based Deep Convolutional Neural Network [13.39233717329633]
  データ駆動型アプローチとモデルベースアプローチを組み合わせた,単一画像デラミニングアルゴリズムを提案する。 実験の結果,提案アルゴリズムは質的,定量的両面で最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2023-05-03T13:12:51Z)
• Semi-DRDNet Semi-supervised Detail-recovery Image Deraining Network via Unpaired Contrastive Learning [59.22620253308322]
  半教師付き詳細復元画像デラミニングネットワーク(セミDRDNet)を提案する。 半教師付き学習パラダイムとして、Semi-DRDNetは、強靭性と詳細な精度を犠牲にして、合成データと実世界の降雨データの両方を円滑に運用する。
  論文  参考訳（メタデータ） (2022-04-06T12:35:27Z)
• SAPNet: Segmentation-Aware Progressive Network for Perceptual Contrastive Deraining [2.615176171489612]
  単一画像のデライニングのためのコントラスト学習に基づくセグメンテーション・アウェア・プログレッシブ・ネットワーク(SAPNet)を提案する。 本モデルでは,オブジェクト検出とセマンティックセマンティックセグメンテーションを高い精度で支援する。
  論文  参考訳（メタデータ） (2021-11-17T03:57:11Z)
• RCDNet: An Interpretable Rain Convolutional Dictionary Network for Single Image Deraining [49.99207211126791]
  雨畳み込み辞書ネットワーク(RCDNet)と呼ばれる,新しい深層アーキテクチャを具体的に構築する。 RCDNetは雨害の本質的な先行を埋め込んでおり、明確な解釈性を持っている。 このような解釈可能なネットワークをエンドツーエンドにトレーニングすることにより、関連するすべてのレインカーネルと近位演算子を自動的に抽出することができる。
  論文  参考訳（メタデータ） (2021-07-14T16:08:11Z)
• Exploiting Global and Local Attentions for Heavy Rain Removal on Single Images [35.596659286313766]
  単一画像からの豪雨除去は、雨のストレークと霧を同時に排除する作業である。 既存の降雨除去方法は, 大雨の場合, あまり一般的ではない。 3つのサブネットワークからなる新しいネットワークアーキテクチャを提案し、単一の画像から大雨を取り除く。
  論文  参考訳（メタデータ） (2021-04-16T14:08:27Z)
• DCSFN: Deep Cross-scale Fusion Network for Single Image Rain Removal [13.794959799789703]
  降雨が画像の視界を著しく低下させるため、降雨は重要なもののコンピュータビジョンの課題である。 以前の研究は主に特徴抽出と処理、あるいはニューラルネットワーク構造に焦点を当てていた。 本稿では,画像雨雨除去課題を解決するために,ネットワークと内規模核融合操作のクロススケールな方法について検討する。
  論文  参考訳（メタデータ） (2020-08-03T10:34:45Z)
• Wavelet-Based Dual-Branch Network for Image Demoireing [148.91145614517015]
  画像復調のための空間的注意機構を備えたウェーブレットベースのデュアルブランチネットワーク(WDNet)を設計する。 我々のネットワークはウェーブレット領域のモアレパターンを除去し、モアレパターンの周波数を画像の内容から分離する。 さらに,本手法の有効性を実証し,WDNetが非スクリーン画像上のモアレアーティファクトの除去を一般化することを示す。
  論文  参考訳（メタデータ） (2020-07-14T16:44:30Z)
• A Model-driven Deep Neural Network for Single Image Rain Removal [52.787356046951494]
  完全解釈可能なネットワーク構造を持つモデル駆動型ディープニューラルネットワークを提案する。 雨を表現するための畳み込み辞書学習機構に基づいて,新しい単一画像デレーニングモデルを提案する。 すべてのレインカーネルとオペレータは自動的に抽出され、レイン層とクリーンなバックグラウンド層の両方の特徴を忠実に特徴付けることができる。
  論文  参考訳（メタデータ） (2020-05-04T09:13:25Z)
• Physical Model Guided Deep Image Deraining [10.14977592107907]
  降雨画像の劣化により、多くのコンピュータビジョンシステムが動作しないため、単一画像のデライン化は緊急の課題である。 本研究では, 物理モデルを用いた単一画像デライニングのための新しいネットワークを提案する。
  論文  参考訳（メタデータ） (2020-03-30T07:08:13Z)

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。