論文の概要: Unsupervised Portrait Shadow Removal via Generative Priors

• arxiv url: http://arxiv.org/abs/2108.03466v1
• Date: Sat, 7 Aug 2021 15:09:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-10 15:30:49.742342
• Title: Unsupervised Portrait Shadow Removal via Generative Priors
• Title（参考訳）: 生成前処理による教師なしポートレートシャドー除去
• Authors: Yingqing He, Yazhou Xing, Tianjia Zhang, Qifeng Chen
• Abstract要約: トレーニングデータなしで肖像画の影を除去するための最初の教師なし手法を提案する。 私たちのキーとなるアイデアは、既成のStyleGAN2に埋め込まれた生成的な顔の事前情報を活用することです。 私たちのアプローチは、ポートレートタトゥーの削除や透かしの除去にも適用できます。
• 参考スコア（独自算出の注目度）: 37.46753287881341
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Portrait images often suffer from undesirable shadows cast by casual objects or even the face itself. While existing methods for portrait shadow removal require training on a large-scale synthetic dataset, we propose the first unsupervised method for portrait shadow removal without any training data. Our key idea is to leverage the generative facial priors embedded in the off-the-shelf pretrained StyleGAN2. To achieve this, we formulate the shadow removal task as a layer decomposition problem: a shadowed portrait image is constructed by the blending of a shadow image and a shadow-free image. We propose an effective progressive optimization algorithm to learn the decomposition process. Our approach can also be extended to portrait tattoo removal and watermark removal. Qualitative and quantitative experiments on a real-world portrait shadow dataset demonstrate that our approach achieves comparable performance with supervised shadow removal methods. Our source code is available at https://github.com/YingqingHe/Shadow-Removal-via-Generative-Priors.
• Abstract（参考訳）: ポートレート画像は、しばしば、カジュアルな物体や顔自体によって投げられる望ましくない影に苦しむ。 既存のポートレートシャドウ除去法は大規模合成データセットのトレーニングを必要とするが、トレーニングデータなしでポートレートシャドウ除去を行う最初の非教師なし手法を提案する。 私たちの重要なアイデアは、プレトレーニングされたstylegan2に埋め込まれた生成的な顔前処理を活用することです。 そこで我々は,影画像と影のない画像の混合により,影像を構成する層分解問題として影除去タスクを定式化する。 本稿では,分解過程の学習に有効なプログレッシブ最適化アルゴリズムを提案する。 また,肖像画のタトゥー除去や透かし除去にも応用できる。 実世界のポートレートシャドウデータセットの定性的および定量的実験により,本手法が教師付きシャドウ除去法で同等の性能を発揮することを示す。 ソースコードはhttps://github.com/YingqingHe/Shadow-Removal-via-Generative-Priorsで公開しています。

関連論文リスト

• Generative Portrait Shadow Removal [27.98144439007323]
  我々は,肖像画のイメージを効果的に向上できる高忠実な肖像画影除去モデルを提案する。 また,本手法は,実環境で捕獲した多様な被験者に対して堅牢性を示す。
  論文  参考訳（メタデータ） (2024-10-07T22:09:22Z)
• Shadow Removal Refinement via Material-Consistent Shadow Edges [33.8383848078524]
  同じ材料で領域を横断する影の縁の両側には、影を適切に取り除けば、原色とテクスチャは同一であるべきである。 画像セグメンテーション基盤モデルであるSAMを微調整し、影不変セグメンテーションを生成し、材料一貫性のあるシャドウエッジを抽出する。 本手法は,より難易度の高い画像に対して,影除去結果の改善に有効であることを示す。
  論文  参考訳（メタデータ） (2024-09-10T20:16:28Z)
• Single-Image Shadow Removal Using Deep Learning: A Comprehensive Survey [78.84004293081631]
  影のパターンは任意で変化しており、しばしば非常に複雑な痕跡構造を持つ。 影による劣化は空間的に不均一であり、照度と影と非陰影領域間の色に矛盾が生じている。 この分野での最近の開発は、主にディープラーニングベースのソリューションによって進められている。
  論文  参考訳（メタデータ） (2024-07-11T20:58:38Z)
• Progressive Recurrent Network for Shadow Removal [99.1928825224358]
  シングルイメージのシャドー削除は、まだ解決されていない重要なタスクである。 既存のディープラーニングベースのアプローチのほとんどは、シャドウを直接削除しようとするが、シャドウをうまく扱えない。 本稿では,影を段階的に除去する簡易かつ効果的なプログレッシブ・リカレント・ネットワーク(PRNet)を提案する。
  論文  参考訳（メタデータ） (2023-11-01T11:42:45Z)
• ShaDocNet: Learning Spatial-Aware Tokens in Transformer for Document Shadow Removal [53.01990632289937]
  本稿では,文書陰影除去のためのトランスフォーマーモデルを提案する。 シャドウとシャドウフリーの両方の領域で、シャドウコンテキストエンコーディングとデコードを使用する。
  論文  参考訳（メタデータ） (2022-11-30T01:46:29Z)
• Estimating Reflectance Layer from A Single Image: Integrating Reflectance Guidance and Shadow/Specular Aware Learning [66.36104525390316]
  本稿では,2段階の学習手法を提案し,その課題に対処するためのリフレクタンスガイダンスとシャドウ/スペック・アウェア(S-Aware)ネットワークを提案する。 第1段階では、新規な損失の制約を伴い、影や特異性のない初期反射層を得る。 第二段改良において、反射層が影や特異点に依存しないようにさらに強制するために、入力画像と反射像を区別するS-Awareネットワークを導入する。
  論文  参考訳（メタデータ） (2022-11-27T07:26:41Z)
• Physics-based Shadow Image Decomposition for Shadow Removal [36.41558227710456]
  陰影除去のための新しい深層学習法を提案する。 影形成の物理モデルにインスパイアされ、線形照明変換を用いて画像内の影効果をモデル化する。 最も困難なシャドウ除去データセットでフレームワークをトレーニングし、テストします。
  論文  参考訳（メタデータ） (2020-12-23T23:06:38Z)
• Self-Supervised Shadow Removal [130.6657167667636]
  条件付きマスクを用いた自己教師付き学習による教師なしシングルイメージシャドウ除去ソリューションを提案する。 既存の文献とは対照的に、一対のシャドウとシャドウのない画像は必要とせず、自己スーパービジョンに頼り、画像にシャドウを取り除いて追加するために深いモデルを共同で学習する。
  論文  参考訳（メタデータ） (2020-10-22T11:33:41Z)
• From Shadow Segmentation to Shadow Removal [34.762493656937366]
  シャドウとシャドウフリーの画像のペアの必要性は、シャドウ除去データセットのサイズと多様性を制限している。 本研究では,影画像から抽出した陰影と非陰影パッチのみを用いて,陰影除去法を提案する。
  論文  参考訳（メタデータ） (2020-08-01T14:00:10Z)

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。