論文の概要: Benchmarking Deep Deblurring Algorithms: A Large-Scale Multi-Cause
Dataset and A New Baseline Model
- arxiv url: http://arxiv.org/abs/2112.00234v1
- Date: Wed, 1 Dec 2021 02:10:42 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-02 14:38:04.934367
- Title: Benchmarking Deep Deblurring Algorithms: A Large-Scale Multi-Cause
Dataset and A New Baseline Model
- Title（参考訳）: ディープデブラリングアルゴリズムのベンチマーク--大規模マルチ原因データセットと新しいベースラインモデル
- Authors: Kaihao Zhang, Wenhan Luo, Boheng Chen, Wenqi Ren, Bjorn Stenger, Wei
Liu, Hongdong Li, Ming-Hsuan Yang
- Abstract要約: ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。
本稿では, 一般のぼやけに対して, 異なる脱臭法がどのように作用するかを考察する。
本稿では,複数の原因のぼかしに対応するために,新たなベースラインモデルであるレベルアテンションデブロアリングネットワークを提案する。
- 参考スコア（独自算出の注目度）: 137.53883190367844
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blur artifacts can seriously degrade the visual quality of images, and
numerous deblurring methods have been proposed for specific scenarios. However,
in most real-world images, blur is caused by different factors, e.g., motion
and defocus. In this paper, we address how different deblurring methods perform
on general types of blur. For in-depth performance evaluation, we construct a
new large-scale multi-cause image deblurring dataset called (MC-Blur) including
real-world and synthesized blurry images with mixed factors of blurs. The
images in the proposed MC-Blur dataset are collected using different
techniques: convolving Ultra-High-Definition (UHD) sharp images with large
kernels, averaging sharp images captured by a 1000 fps high-speed camera,
adding defocus to images, and real-world blurred images captured by various
camera models. These results provide a comprehensive overview of the advantages
and limitations of current deblurring methods. Further, we propose a new
baseline model, level-attention deblurring network, to adapt to multiple causes
of blurs. By including different weights of attention to the different levels
of features, the proposed network derives more powerful features with larger
weights assigned to more important levels, thereby enhancing the feature
representation. Extensive experimental results on the new dataset demonstrate
the effectiveness of the proposed model for the multi-cause blur scenarios.
- Abstract（参考訳）: ぼやけたアーティファクトは画像の視覚品質を著しく低下させ、特定のシナリオのために多くのぼやけ方法が提案されている。
しかし、ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。
本稿では,様々なデブラリング手法が一般的なボケに対してどのように作用するかについて述べる。
詳細な性能評価のために,実世界と合成したぼやけた画像を含む大規模多元画像デブロアデータセット (MC-Blur) を構築した。
提案したMC-Blurデータセットの画像は、UHD(Ultra-High-Definition)シャープイメージを大きなカーネルで変換し、1000fpsの高速カメラで捉えたシャープ画像を平均化し、画像にデフォーカスを加え、様々なカメラモデルで捉えた現実世界のぼやけた画像を生成する。
これらの結果は、現在のデブロアリング手法の利点と限界を包括的に概観する。
さらに,複数の原因のぼかしに対応するために,新たなベースラインモデルであるレベルアテンションデブロアリングネットワークを提案する。
異なるレベルの特徴に異なる重みを加えることで、提案するネットワークは、より重要なレベルに割り当てられたより大きな重みを持つより強力な特徴を導出し、特徴表現を強化する。
新しいデータセットに対する大規模な実験結果から,多元ぼかしシナリオに対する提案モデルの有効性が示された。
関連論文リスト
- Multi-scale Frequency Enhancement Network for Blind Image Deblurring [7.198959621445282]
視覚障害者のためのマルチスケール周波数拡張ネットワーク(MFENet)を提案する。
ぼやけた画像のマルチスケール空間およびチャネル情報をキャプチャするために,深度的に分離可能な畳み込みに基づくマルチスケール特徴抽出モジュール(MS-FE)を導入する。
提案手法は,視覚的品質と客観的評価の両指標において,優れた劣化性能を達成できることを実証する。
論文 参考訳（メタデータ） (2024-11-11T11:49:18Z) - GS-Blur: A 3D Scene-Based Dataset for Realistic Image Deblurring [50.72230109855628]
本稿では,新しい手法を用いて合成されたリアルなぼやけた画像のデータセットであるGS-Blurを提案する。
まず,3Dガウス・スプレイティング(3DGS)を用いて多視点画像から3Dシーンを再構成し,ランダムに生成された運動軌跡に沿ってカメラビューを移動させてぼやけた画像を描画する。
GS-Blurの再構築に様々なカメラトラジェクトリを採用することで、我々のデータセットは現実的で多様な種類のぼかしを含み、現実世界のぼかしをうまく一般化する大規模なデータセットを提供する。
論文 参考訳（メタデータ） (2024-10-31T06:17:16Z) - LMHaze: Intensity-aware Image Dehazing with a Large-scale Multi-intensity Real Haze Dataset [14.141433473509826]
本稿では,大規模で高品質な実世界のデータセットLMHazeを紹介する。
LMHazeは、屋内および屋外の多様な環境で撮影された、ヘイズフリーとヘイズフリーの2つの画像で構成されている。
そこで本研究では,Mambaをベースとした混合実験モデルを提案する。
論文 参考訳（メタデータ） (2024-10-21T15:20:02Z) - A New Dataset and Framework for Real-World Blurred Images Super-Resolution [9.122275433854062]
我々は,Real-world Blur-kept Super-Resolution (ReBlurSR) データセットという,ぼやけた画像に適した新しい超解像データセットを開発した。
本稿では,Cross Disentanglement Module (CDM) とCross Fusion Module (CFM) の2つの主要モジュールからなるPerceptual-Blur-adaptive Super-Resolution (PBaSR)を提案する。
これら2つのモジュールを統合することで、PBaSRは、追加の推論やデプロイメントコストを伴わずに、一般的なデータと曖昧なデータの両方でコメンタブルなパフォーマンスを実現する。
論文 参考訳（メタデータ） (2024-07-20T14:07:03Z) - DaBiT: Depth and Blur informed Transformer for Joint Refocusing and Super-Resolution [4.332534893042983]
多くの現実のシナリオでは、録画されたビデオは偶然の焦点がぼやけている。
本稿では、焦点ずれ(再焦点)とビデオ超解像(VSR)に最適化されたフレームワークを提案する。
我々は、既存のビデオ復元方法よりも1.9dB以上のPSNR性能で、最先端の結果を得る。
論文 参考訳（メタデータ） (2024-07-01T12:22:16Z) - Probabilistic Deep Metric Learning for Hyperspectral Image
Classification [91.5747859691553]
本稿では,ハイパースペクトル画像分類のための確率論的深度学習フレームワークを提案する。
ハイパースペクトルセンサーが捉えた画像に対して、各ピクセルのカテゴリを予測することを目的としている。
我々のフレームワークは、既存のハイパースペクトル画像分類法に容易に適用できる。
論文 参考訳（メタデータ） (2022-11-15T17:57:12Z) - Robustifying the Multi-Scale Representation of Neural Radiance Fields [86.69338893753886]
実世界の画像の両問題を克服するために,頑健なマルチスケールニューラルラジアンス場表現手法を提案する。
提案手法は,NeRFにインスパイアされたアプローチを用いて,マルチスケール画像効果とカメラ位置推定問題に対処する。
例えば、日常的に取得したマルチビュー画像からオブジェクトの正確な神経表現を行うためには、カメラの正確な位置推定が不可欠であることを示す。
論文 参考訳（メタデータ） (2022-10-09T11:46:45Z) - DeepMultiCap: Performance Capture of Multiple Characters Using Sparse
Multiview Cameras [63.186486240525554]
deep multicapは、スパースマルチビューカメラを用いたマルチパーソンパフォーマンスキャプチャのための新しい手法である。
本手法では,事前走査型テンプレートモデルを用いることなく,時間変化した表面の詳細をキャプチャできる。
論文 参考訳（メタデータ） (2021-05-01T14:32:13Z) - Deblurring by Realistic Blurring [110.54173799114785]
本稿では,BGAN(Learning-to-blurr GAN)とDBGAN(Learning-to-DeBlur GAN)の2つのモデルを組み合わせた新しい手法を提案する。
第1のモデルであるBGANは、未ペアのシャープでぼやけた画像セットでシャープな画像をぼやかす方法を学習し、第2のモデルであるDBGANをガイドして、そのような画像を正しくデブロアする方法を学ぶ。
さらなる貢献として,多様なぼやけた画像を含むRWBIデータセットについても紹介する。
論文 参考訳（メタデータ） (2020-04-04T05:25:15Z)
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。