論文の概要: Adaptive Single Image Deblurring

• arxiv url: http://arxiv.org/abs/2201.00155v1
• Date: Sat, 1 Jan 2022 10:10:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-04 15:23:42.194055
• Title: Adaptive Single Image Deblurring
• Title（参考訳）: 適応型単一画像デブラリング
• Authors: Maitreya Suin, Kuldeep Purohit, A. N. Rajagopalan
• Abstract要約: 本稿では,画像間の大きなぼやけた変化を扱うために,効率的な画素適応化と特徴注意設計を提案する。 また、性能を大幅に向上させる効果的なコンテンツ認識グローバルローカルフィルタリングモジュールを提案する。
• 参考スコア（独自算出の注目度）: 43.02281823557039
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper tackles the problem of dynamic scene deblurring. Although end-to-end fully convolutional designs have recently advanced the state-of-the-art in non-uniform motion deblurring, their performance-complexity trade-off is still sub-optimal. Existing approaches achieve a large receptive field by a simple increment in the number of generic convolution layers, kernel-size, which comes with the burden of the increase in model size and inference speed. In this work, we propose an efficient pixel adaptive and feature attentive design for handling large blur variations within and across different images. We also propose an effective content-aware global-local filtering module that significantly improves the performance by considering not only the global dependencies of the pixel but also dynamically using the neighboring pixels. We use a patch hierarchical attentive architecture composed of the above module that implicitly discover the spatial variations in the blur present in the input image and in turn perform local and global modulation of intermediate features. Extensive qualitative and quantitative comparisons with prior art on deblurring benchmarks demonstrate the superiority of the proposed network.
• Abstract（参考訳）: 本稿では,動的シーンの劣化問題に対処する。 エンド・ツー・エンドの完全な畳み込み設計は、最近、非一様動作の非一様化の最先端に進んでいるが、その性能・複雑さのトレードオフは依然として準最適である。 既存のアプローチでは、モデルサイズの増加と推論速度の増大に伴うカーネルサイズという、一般的な畳み込み層の数の増加によって、大きな受容場を実現している。 そこで本研究では,画像間の大きなぼやけた変化を扱うための,効率的な画素適応化と特徴注意設計を提案する。 また,ピクセルのグローバル依存だけでなく,隣接画素の動的利用も考慮し,パフォーマンスを著しく向上させる効果的なコンテンツ対応グローバルローカルフィルタリングモジュールを提案する。 本稿では,入力画像に存在するぼやけの空間的変動を暗黙的に検出し,中間特徴の局所的および大域的変調を行う,上記のモジュールからなるパッチ階層型注意アーキテクチャを用いる。 デブロアリングベンチマークにおける先行技術との比較により,提案したネットワークの優位性を示す。

関連論文リスト

• A Spitting Image: Modular Superpixel Tokenization in Vision Transformers [0.0]
  Vision Transformer (ViT) アーキテクチャは伝統的に、画像の意味的内容に依存しないトークン化のためのグリッドベースのアプローチを採用している。 本稿では,トークン化と特徴抽出を分離するモジュール型スーパーピクセルトークン化戦略を提案する。
  論文  参考訳（メタデータ） (2024-08-14T17:28:58Z)
• Spatially-Attentive Patch-Hierarchical Network with Adaptive Sampling for Motion Deblurring [34.751361664891235]
  そこで本稿では,異なる空間領域にまたがる大きなぼやけた変化を扱うために,画素適応化と特徴注意設計を提案する。 提案手法は,最先端のデブロワーリングアルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2024-02-09T01:00:09Z)
• Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
  デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。 本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。 実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
  論文  参考訳（メタデータ） (2023-09-30T02:54:51Z)
• Motion Estimation for Large Displacements and Deformations [7.99536002595393]
  粗い微細なスキームに基づく変分光学フロー技術はスパースマッチングを補間し、色、勾配、滑らかさを条件としたエネルギーモデルを局所的に最適化する。 本稿では, この問題に対処し, 大きな変位と変形に対する変動運動推定フレームワークであるHybridFlowを提案する。
  論文  参考訳（メタデータ） (2022-06-24T18:53:22Z)
• CM-GAN: Image Inpainting with Cascaded Modulation GAN and Object-Aware Training [112.96224800952724]
  複雑な画像に大きな穴をあける際の可視像構造を生成するためのカスケード変調GAN(CM-GAN)を提案する。 各デコーダブロックにおいて、まず大域変調を適用し、粗い意味認識合成構造を行い、次に大域変調の出力に空間変調を適用し、空間適応的に特徴写像を更に調整する。 さらに,ネットワークがホール内の新たな物体を幻覚させるのを防ぐため,実世界のシナリオにおける物体除去タスクのニーズを満たすために,オブジェクト認識型トレーニングスキームを設計する。
  論文  参考訳（メタデータ） (2022-03-22T16:13:27Z)
• Image-specific Convolutional Kernel Modulation for Single Image Super-resolution [85.09413241502209]
  本稿では,新しい画像特異的畳み込み変調カーネル(IKM)を提案する。 我々は、画像や特徴のグローバルな文脈情報を利用して、畳み込みカーネルを適応的に調整するための注意重みを生成する。 単一画像超解像実験により,提案手法は最先端手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-11-16T11:05:10Z)
• Content-aware Directed Propagation Network with Pixel Adaptive Kernel Attention [20.0783340490331]
  画素適応カーネルアテンション(Paka)と呼ばれる新しい操作を提案する。 PAKAは、学習可能な特徴から空間的に異なる注意を掛けることで、フィルタ重みへの指向性を提供する。 本手法はエンドツーエンドで学習可能であり,任意のCNNモデルに適用可能である。
  論文  参考訳（メタデータ） (2021-07-28T02:59:19Z)
• ARVo: Learning All-Range Volumetric Correspondence for Video Deblurring [92.40655035360729]
  ビデオデブラリングモデルは連続フレームを利用して、カメラの揺動や物体の動きからぼやけを取り除く。 特徴空間におけるボケフレーム間の空間的対応を学習する新しい暗黙的手法を提案する。 提案手法は,新たに収集したビデオデブレーション用ハイフレームレート(1000fps)データセットとともに,広く採用されているDVDデータセット上で評価される。
  論文  参考訳（メタデータ） (2021-03-07T04:33:13Z)
• Spatially-Attentive Patch-Hierarchical Network for Adaptive Motion Deblurring [39.92889091819711]
  そこで本稿では,空間の異なる場所における大きなぼやけた変化を扱うために,効率的な画素適応化と特徴注意設計を提案する。 上述のモジュールからなるパッチ階層型注意アーキテクチャを用いて,入力画像に存在するぼやけの空間的変動を暗黙的に検出する。 われわれの設計は、最先端の精度とスピードを大幅に改善する。
  論文  参考訳（メタデータ） (2020-04-11T09:24:00Z)

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。