論文の概要: Deep Image Deblurring: A Survey
- arxiv url: http://arxiv.org/abs/2201.10700v1
- Date: Wed, 26 Jan 2022 01:31:30 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-27 13:20:26.095264
- Title: Deep Image Deblurring: A Survey
- Title(参考訳): Deep Image Deblurring: A Survey
- Authors: Kaihao Zhang, Wenqi Ren, Wenhan Luo, Wei-Sheng Lai, Bjorn Stenger,
Ming-Hsuan Yang, Hongdong Li
- Abstract要約: 低レベルのコンピュータビジョンにおいて、デブロアリングは古典的な問題であり、ぼやけた入力画像からシャープなイメージを復元することを目的としている。
近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらした。
- 参考スコア(独自算出の注目度): 165.32391279761006
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Image deblurring is a classic problem in low-level computer vision, which
aims to recover a sharp image from a blurred input image. Recent advances in
deep learning have led to significant progress in solving this problem, and a
large number of deblurring networks have been proposed. This paper presents a
comprehensive and timely survey of recently published deep-learning based image
deblurring approaches, aiming to serve the community as a useful literature
review. We start by discussing common causes of image blur, introduce benchmark
datasets and performance metrics, and summarize different problem formulations.
Next we present a taxonomy of methods using convolutional neural networks (CNN)
based on architecture, loss function, and application, offering a detailed
review and comparison. In addition, we discuss some domain-specific deblurring
applications including face images, text, and stereo image pairs. We conclude
by discussing key challenges and future research directions.
- Abstract(参考訳): 低レベルのコンピュータビジョンでは、ぼやけた入力画像からシャープなイメージを復元することを目的としている。
近年のディープラーニングの進歩は、この問題の解決に大きな進歩をもたらし、多数の遅延ネットワークが提案されている。
本稿では,最近発表された深層学習に基づくイメージデブラリング手法の包括的かつタイムリーな調査を行い,コミュニティに有用な文献レビューとして提供することを目的とした。
まず、画像のぼかしの一般的な原因を議論し、ベンチマークデータセットとパフォーマンスメトリクスを導入し、さまざまな問題定式化を要約する。
次に,アーキテクチャ,損失関数,アプリケーションに基づく畳み込みニューラルネットワーク(cnn)を用いた手法の分類を行い,詳細なレビューと比較を行う。
さらに,顔画像やテキスト,ステレオ画像など,ドメイン固有の難読化アプリケーションについても論じる。
主要な課題と今後の研究方向性について論じる。
関連論文リスト
- Negative Results of Image Processing for Identifying Duplicate Questions on Stack Overflow [2.2667044928324747]
Stack Overflow上の重複した質問を識別するための画像ベース手法について検討した。
まず,画像からのテキストを疑問テキストに統合し,第2に画像キャプションを用いて視覚的内容に基づいて画像を評価する。
私たちの研究は、簡単な複製と仮説検証の基盤を築き、将来の研究を私たちのアプローチの上に構築します。
論文 参考訳(メタデータ) (2024-07-08T00:14:21Z) - Deep Learning-based Image and Video Inpainting: A Survey [47.53641171826598]
本稿では,深層学習に基づく画像と映像のインペイント手法について概観的にレビューする。
既存のメソッドを,ハイレベルなインペイントパイプラインの観点から,さまざまなカテゴリに分類する。
我々は,低レベルの画素と高レベルの知覚的類似性の評価指標を提示し,性能評価を行い,代表印字方法の長所と短所について議論する。
論文 参考訳(メタデータ) (2024-01-07T05:50:12Z) - A Comprehensive Survey on Deep Neural Image Deblurring [0.76146285961466]
画像の劣化は、ぼやけを引き起こす画像の劣化要素を排除し、画像の品質を改善して、テクスチャとオブジェクトの可視化を改善する。
伝統的に、画像の劣化で優先される事前ベース最適化アプローチは、ディープニューラルネットワークが最近この分野で大きなブレークスルーをもたらした。
私たちは、デブロアリングアプリケーションで使用される最も一般的なディープニューラルネットワーク構造を概説し、その強みと斬新さを説明し、パフォーマンスメトリクスを要約し、広く使われているデータセットを紹介します。
論文 参考訳(メタデータ) (2023-10-07T07:29:42Z) - Masked Contrastive Graph Representation Learning for Age Estimation [44.96502862249276]
本稿では,画像冗長性情報を扱う上で,グラフ表現学習の特性を利用する。
年齢推定のためのMasked Contrastive Graph Representation Learning (MCGRL)法を提案する。
実世界の顔画像データセットに対する実験結果から,提案手法が他の最先端の年齢推定手法よりも優れていることが示された。
論文 参考訳(メタデータ) (2023-06-16T15:53:21Z) - Deep Image Matting: A Comprehensive Survey [85.77905619102802]
本稿では,ディープラーニング時代における画像マッチングの最近の進歩を概観する。
本稿では,補助的な入力ベースの画像マッチングと,自動的な画像マッチングという,2つの基本的なサブタスクに焦点を当てる。
画像マッチングの関連応用について論じ,今後の研究への課題と可能性を明らかにする。
論文 参考訳(メタデータ) (2023-04-10T15:48:55Z) - Guided Depth Map Super-resolution: A Survey [88.54731860957804]
誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。
近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。
この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
論文 参考訳(メタデータ) (2023-02-19T15:43:54Z) - Image Restoration by Deep Projected GSURE [115.57142046076164]
Ill-posed inverse problem は、デブロアリングや超解像など、多くの画像処理アプリケーションに現れる。
本稿では,一般化されたSteinUnbiased Risk Estimator(GSURE)の「投影変換」とCNNによる潜在画像のパラメータ化を含む損失関数の最小化に基づく,新たな画像復元フレームワークを提案する。
論文 参考訳(メタデータ) (2021-02-04T08:52:46Z) - Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。
深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
論文 参考訳(メタデータ) (2020-01-15T21:37:47Z)
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。