論文の概要: Direction-aware Feature-level Frequency Decomposition for Single Image Deraining

• arxiv url: http://arxiv.org/abs/2106.07941v1
• Date: Tue, 15 Jun 2021 07:51:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-17 02:36:50.273552
• Title: Direction-aware Feature-level Frequency Decomposition for Single Image Deraining
• Title（参考訳）: 単一画像レイニングのための方向認識型特徴レベル周波数分解
• Authors: Sen Deng, Yidan Feng, Mingqiang Wei, Haoran Xie, Yiping Chen, Jonathan Li, Xiao-Ping Zhang and Jing Qin
• Abstract要約: 単一画像デライニングのための方向認識型特徴レベル周波数分解ネットワークを提案する。 従来のアルゴリズムとは異なり、画像レベルではなく特徴レベルで周波数分解を行うことを提案する。 提案手法を3つの代表的なデータセットで広範囲に評価し、実験結果により、我々のアプローチは最先端のデラリニングアルゴリズムを一貫して上回っている。
• 参考スコア（独自算出の注目度）: 34.1231869178426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present a novel direction-aware feature-level frequency decomposition network for single image deraining. Compared with existing solutions, the proposed network has three compelling characteristics. First, unlike previous algorithms, we propose to perform frequency decomposition at feature-level instead of image-level, allowing both low-frequency maps containing structures and high-frequency maps containing details to be continuously refined during the training procedure. Second, we further establish communication channels between low-frequency maps and high-frequency maps to interactively capture structures from high-frequency maps and add them back to low-frequency maps and, simultaneously, extract details from low-frequency maps and send them back to high-frequency maps, thereby removing rain streaks while preserving more delicate features in the input image. Third, different from existing algorithms using convolutional filters consistent in all directions, we propose a direction-aware filter to capture the direction of rain streaks in order to more effectively and thoroughly purge the input images of rain streaks. We extensively evaluate the proposed approach in three representative datasets and experimental results corroborate our approach consistently outperforms state-of-the-art deraining algorithms.
• Abstract（参考訳）: 単一画像デライニングのための方向対応特徴レベル周波数分解ネットワークを提案する。 既存のソリューションと比較して,提案するネットワークには3つの魅力的な特徴がある。 まず、従来のアルゴリズムとは異なり、画像レベルではなく特徴レベルでの周波数分解を行い、構造を含む低周波マップと詳細を含む高周波マップの両方をトレーニング手順中に連続的に改善することを提案する。 第2に、低周波マップと高周波マップ間の通信チャネルを確立し、高周波マップから構造をインタラクティブに捉えて低周波マップに追加するとともに、低周波マップから詳細を抽出して高周波マップに送信することで、入力画像のより繊細な特徴を維持しながら雨のストレークを除去する。 第3に,すべての方向で整合した畳み込みフィルタを用いた既存アルゴリズムと異なり,雨天の入力画像をより効果的かつ徹底的に浄化するために,雨天の向きを捉える方向対応フィルタを提案する。 提案手法を3つの代表的なデータセットで広範囲に評価し、実験結果により、我々のアプローチは最先端のデラリニングアルゴリズムを一貫して上回っている。

関連論文リスト

• RainyScape: Unsupervised Rainy Scene Reconstruction using Decoupled Neural Rendering [50.14860376758962]
  多視点降雨画像の集合からクリーンなシーンを再構築するための教師なしフレームワークであるRainyScapeを提案する。 ニューラルネットワークのスペクトルバイアス特性に基づいて、まずニューラルネットワークのレンダリングパイプラインを最適化し、低周波シーン表現を得る。 我々は2つのモジュールを協調的に最適化し,適応的指向性勾配に基づく再構成損失によって駆動する。
  論文  参考訳（メタデータ） (2024-04-17T14:07:22Z)
• Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity Monocular Dense Mapping [51.739466714312805]
  ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。 ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
  論文  参考訳（メタデータ） (2024-01-06T12:32:25Z)
• WNet: A data-driven dual-domain denoising model for sparse-view computed tomography with a trainable reconstruction layer [3.832032989515628]
  スパース・ビュー・アーティファクト・デノナイズのためのトレーニング可能な再構成層を含むデータ駆動型デュアルドメイン・デノナイズ・モデルWNetを提案する。 我々は2つの臨床的に関連のあるデータセットを用いてネットワークをトレーニングし、その結果を3種類のスパースビューCTと再構成アルゴリズムと比較した。
  論文  参考訳（メタデータ） (2022-07-01T13:17:01Z)
• Exploring Inter-frequency Guidance of Image for Lightweight Gaussian Denoising [1.52292571922932]
  本稿では,周波数帯域を低域から高域に漸進的に洗練するために,IGNetと呼ばれる新しいネットワークアーキテクチャを提案する。 この設計では、より周波数間先行と情報を利用するため、モデルサイズは軽量化でき、競争結果も維持できる。
  論文  参考訳（メタデータ） (2021-12-22T10:35:53Z)
• Generalizing Face Forgery Detection with High-frequency Features [63.33397573649408]
  現在のCNNベースの検出器は、メソッド固有の色テクスチャに過度に適合するため、一般化に失敗する傾向にある。 フェースフォージェリ検出に高周波雑音を用いることを提案する。 1つは、複数のスケールで高周波ノイズを抽出するマルチスケールの高周波特徴抽出モジュールである。 2つ目は、低レベルRGB特徴抽出器を導く残差誘導空間注意モジュールで、新しい視点からフォージェリートレースにもっと集中する。
  論文  参考訳（メタデータ） (2021-03-23T08:19:21Z)
• Deep Unfolded Recovery of Sub-Nyquist Sampled Ultrasound Image [94.42139459221784]
  本稿では,ISTAアルゴリズムの展開に基づく時空間領域におけるサブNyquistサンプルからの再構成手法を提案する。 本手法は,高品質な撮像性能を確保しつつ,配列要素数,サンプリングレート,計算時間を削減できる。
  論文  参考訳（メタデータ） (2021-03-01T19:19:38Z)
• Identity Enhanced Residual Image Denoising [61.75610647978973]
  我々は、アイデンティティマッピングモジュールのチェーンと、画像の復号化のための残像アーキテクチャの残像からなる、完全な畳み込みネットワークモデルを学ぶ。 提案するネットワークは,従来の最先端・CNNアルゴリズムよりも極めて高い数値精度と画像品質を実現している。
  論文  参考訳（メタデータ） (2020-04-26T04:52:22Z)

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。