論文の概要: ROMNet: Renovate the Old Memories

• arxiv url: http://arxiv.org/abs/2202.02606v1
• Date: Sat, 5 Feb 2022 17:48:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-11 08:12:02.131412
• Title: ROMNet: Renovate the Old Memories
• Title（参考訳）: ROMNet: 古い思い出をリノベート
• Authors: Runsheng Xu, Zhengzhong Tu, Yuanqi Du, Xiaoyu Dong, Jinlong Li, Zibo Meng, Jiaqi Ma, Hongkai YU
• Abstract要約: 本稿では、劣化したレガシー画像の修復とカラー化を共同で行うための、新しい参照ベースのエンドツーエンド学習フレームワークを提案する。 また、私たちの知る限りでは、古い写真復元モデルを評価するために、ペア化された真実を持つ、最初の公開と現実世界の古い写真データセットも作成しています。
• 参考スコア（独自算出の注目度）: 25.41639794384076
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Renovating the memories in old photos is an intriguing research topic in computer vision fields. These legacy images often suffer from severe and commingled degradations such as cracks, noise, and color-fading, while lack of large-scale paired old photo datasets makes this restoration task very challenging. In this work, we present a novel reference-based end-to-end learning framework that can jointly repair and colorize the degraded legacy pictures. Specifically, the proposed framework consists of three modules: a restoration sub-network for degradation restoration, a similarity sub-network for color histogram matching and transfer, and a colorization subnet that learns to predict the chroma elements of the images conditioned on chromatic reference signals. The whole system takes advantage of the color histogram priors in a given reference image, which vastly reduces the dependency on large-scale training data. Apart from the proposed method, we also create, to our knowledge, the first public and real-world old photo dataset with paired ground truth for evaluating old photo restoration models, wherein each old photo is paired with a manually restored pristine image by PhotoShop experts. Our extensive experiments conducted on both synthetic and real-world datasets demonstrate that our method significantly outperforms state-of-the-arts both quantitatively and qualitatively.
• Abstract（参考訳）: 古い写真における記憶の再構築は、コンピュータビジョン分野における興味深い研究トピックである。 これらのレガシ画像は、ひび割れ、ノイズ、カラーフェーディングなどの重度の劣化に悩まされることが多いが、大規模なペアの古い写真データセットがないため、この復元作業は非常に困難である。 本研究では,劣化したレガシー画像の修復とカラー化が可能な,新しい参照ベースのエンドツーエンド学習フレームワークを提案する。 具体的には、劣化回復のための復元サブネットワーク、色ヒストグラムマッチングと転送のための類似サブネットワーク、色調基準信号で条件付けられた画像の彩色要素を予測することを学ぶ着色サブネットの3つのモジュールからなる。 システム全体は、与えられた参照画像のカラーヒストグラムプリエントを利用しており、大規模なトレーニングデータへの依存を大幅に削減している。 また,提案手法とは別に,PhotoShopの専門家が手作業で復元したプリズム画像と,古い写真復元モデルを評価するための,最初の公開と実世界の古い写真データセットを作成する。 総合データと実世界データの両方で行った広範な実験により,本手法が定量的および定性的に最先端データを大幅に上回ることを示した。

関連論文リスト

• Preserving Old Memories in Vivid Detail: Human-Interactive Photo Restoration Framework [19.213916633152625]
  写真修復は結果の質を向上させることができるが、コストと修復に要する時間の観点からすると、しばしば高い価格で提供される。 本稿では,複数のステージから構成されるAIベースの写真復元フレームワークについて述べる。 評価用データセットが公開されていないため,新しい写真復元データセットを提案する。
  論文  参考訳（メタデータ） (2024-10-12T13:23:08Z)
• InstructIR: High-Quality Image Restoration Following Human Instructions [61.1546287323136]
  本稿では,人間の手書きによる画像復元モデルを導出する手法を提案する。 InstructIRという手法は、いくつかの修復作業において最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-01-29T18:53:33Z)
• All-in-one Multi-degradation Image Restoration Network via Hierarchical Degradation Representation [47.00239809958627]
  我々は新しいオールインワン・マルチデグレーション画像復元ネットワーク(AMIRNet)を提案する。 AMIRNetは、クラスタリングによって木構造を段階的に構築することで、未知の劣化画像の劣化表現を学習する。 この木構造表現は、様々な歪みの一貫性と不一致を明示的に反映しており、画像復元の具体的な手がかりとなっている。
  論文  参考訳（メタデータ） (2023-08-06T04:51:41Z)
• See Blue Sky: Deep Image Dehaze Using Paired and Unpaired Training Images [73.23687409870656]
  本稿では,新しいエンドツーエンド画像デヘイズモデルを構築するために,サイクル生成対向ネットワークを提案する。 我々は、実世界の未ペア画像データセットとペア画像データセットのセットを含む、私たちのモデルをトレーニングするために、屋外画像データセットを採用しています。 本モデルでは, サイクル構造に基づいて, 対向損失, サイクル整合損失, フォトリアリズム損失, ペアL1損失を含む4種類の損失関数を付加した。
  論文  参考訳（メタデータ） (2022-10-14T07:45:33Z)
• Pik-Fix: Restoring and Colorizing Old Photo [24.366910102387344]
  古い写真では、存在するがしばしば障害のある視覚記憶を復元し、塗り替えることは、興味深いが未解決の研究トピックである。 しかし、古い写真の大規模なデータセットが欠如しているため、この修復作業に対処するのが非常に難しい。 ここでは、古い画像や劣化画像の修復とカラー化を両立できる、新しい参照ベースのエンドツーエンド学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-04T05:46:43Z)
• Detecting Recolored Image by Spatial Correlation [60.08643417333974]
  画像のリカラー化は、画像の色値を操作して新しいスタイルを与える、新たな編集技術である。 本稿では,空間相関の観点から,従来型と深層学習による再色検出の汎用的検出能力を示す解を探索する。 提案手法は,複数のベンチマークデータセット上での最先端検出精度を実現し,未知の種類の再色法を適切に一般化する。
  論文  参考訳（メタデータ） (2022-04-23T01:54:06Z)
• Old Photo Restoration via Deep Latent Space Translation [46.73615925108932]
  本稿では, 深層学習手法を用いて, 深刻な劣化に苦しむ古い写真を復元することを提案する。 実際の写真の劣化は複雑で、合成画像と実際の古い写真とのドメインギャップは、ネットワークの一般化に失敗する。 具体的には、2つの変分オートエンコーダ(VAE)をトレーニングし、それぞれ古い写真とクリーンな写真を2つの潜在空間に変換する。 そして、これら2つの潜伏空間間の変換は、合成ペアデータによって学習される。
  論文  参考訳（メタデータ） (2020-09-14T08:51:53Z)
• Bringing Old Photos Back to Life [46.73615925108932]
  実際の写真の劣化は複雑であり、合成画像と実際の古い写真とのドメインギャップは、ネットワークの一般化に失敗する。 本稿では,実写画像と大量の合成画像のペアを併用した新しい三重項領域翻訳ネットワークを提案する。 提案手法は,古写真復元における視覚的品質の観点から,最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-04-20T17:59:23Z)

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。