Fugu-MT 論文翻訳(概要): Phase-Stretch Adaptive Gradient-Field Extractor (PAGE)

論文の概要: Phase-Stretch Adaptive Gradient-Field Extractor (PAGE)

arxiv url: http://arxiv.org/abs/2202.03570v1
Date: Tue, 8 Feb 2022 00:14:50 GMT
ステータス: 処理完了
システム内更新日: 2022-02-09 16:24:10.785708
Title: Phase-Stretch Adaptive Gradient-Field Extractor (PAGE)
Title（参考訳）: 位相ストレッチ適応勾配場エクストラクタ(PAGE)
Authors: Callen MacPhee, Madhuri Suthar, Bahram Jalali
Abstract要約: 画像の明るさが突然変化するデジタル画像において、エッジ、向き、シャープさを識別する計算画像アルゴリズムである。 PAGEは、元のイメージを、オブジェクトの表現と分類に使用できる機能マップのセットに埋め込む。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Phase-Stretch Adaptive Gradient-Field Extractor (PAGE) is an edge detection algorithm that is inspired by physics of electromagnetic diffraction and dispersion. A computational imaging algorithm, it identifies edges, their orientations and sharpness in a digital image where the image brightness changes abruptly. Edge detection is a basic operation performed by the eye and is crucial to visual perception. PAGE embeds an original image into a set of feature maps that can be used for object representation and classification. The algorithm performs exceptionally well as an edge and texture extractor in low light level and low contrast images. This manuscript is prepared to support the open-source code which is being simultaneously made available within the GitHub repository https://github.com/JalaliLabUCLA.
Abstract（参考訳）: phase-stretch adaptive gradient-field extractor (page) は電磁回折と分散の物理に触発されたエッジ検出アルゴリズムである。画像の明るさが突然変化するデジタル画像において、エッジ、向き、シャープさを識別する計算画像アルゴリズムである。エッジ検出は目が行う基本的な操作であり、視覚知覚に不可欠である。 PAGEは、元のイメージを、オブジェクトの表現と分類に使用できる機能マップのセットに埋め込む。このアルゴリズムは、低光度および低コントラスト画像においてエッジおよびテクスチャ抽出器として非常によく機能する。この原稿は、GitHubリポジトリ https://github.com/JalaliLabUCLAで同時に公開されているオープンソースコードをサポートする準備が整っている。

関連論文リスト

EDCSSM: Edge Detection with Convolutional State Space Model [3.649463841174485]
画像のエッジ検出は、コンピュータグラフィックスにおける多くの複雑なタスクの基礎となっている。多層畳み込みとプールアーキテクチャによる特徴損失のため、学習ベースのエッジ検出モデルは、しばしば厚いエッジを生成する。本稿では,上記の問題に効果的に対処するエッジ検出アルゴリズムを提案する。
論文参考訳（メタデータ） (2024-09-03T05:13:25Z)
Learning deep illumination-robust features from multispectral filter array images [0.5439020425819]
本稿では, 原画像から直接, 識別的・照明的特徴を学習するための独自のアプローチを提案する。 MS画像分類実験により,本手法は手工芸法と近年の深層学習法の両方に優れることがわかった。
論文参考訳（メタデータ） (2024-07-22T08:35:41Z)
DeferredGS: Decoupled and Editable Gaussian Splatting with Deferred Shading [50.331929164207324]
我々は,遅延シェーディングを用いたガウススプレイティング表現のデカップリングと編集を行うDedeerredGSを紹介する。定性的かつ定量的な実験は、新しいビューおよび編集タスクにおけるDederredGSの優れた性能を示す。
論文参考訳（メタデータ） (2024-04-15T01:58:54Z)
Edge Detection Quantumized: A Novel Quantum Algorithm For Image Processing [0.0]
本稿では、量子画像のフレキシブル表現(FRQI)符号化と修正QHEDアルゴリズムを組み合わせた新しいプロトコルを提案する。改良されたエッジアウトライン法が提案され、従来のQHEDアルゴリズムよりもオブジェクトアウトライン出力が良く、より正確なエッジ検出が可能となった。
論文参考訳（メタデータ） (2024-04-10T10:29:08Z)
Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
論文参考訳（メタデータ） (2023-02-16T10:40:55Z)
Designing An Illumination-Aware Network for Deep Image Relighting [69.750906769976]
本稿では、階層的なサンプリングから1つの画像からシーンを段階的にリライトするためのガイダンスに従うイルミネーション・アウェア・ネットワーク(IAN)を提案する。さらに、物理レンダリングプロセスの近似として、イルミネーション・アウェア・残留ブロック(IARB)が設計されている。実験の結果,提案手法は従来の最先端手法よりも定量的,定性的な照準結果が得られることがわかった。
論文参考訳（メタデータ） (2022-07-21T16:21:24Z)
Deep Rotation Correction without Angle Prior [57.76737888499145]
我々は,高コンテンツ忠実度で傾きを自動的に補正する,回転補正という新しい実用的タスクを提案する。このタスクは画像編集アプリケーションに簡単に統合でき、ユーザーは手動操作なしで回転した画像を修正できる。我々はニューラルネットワークを利用して、傾斜した画像を知覚的に水平に歪めることができる光学フローを予測する。
論文参考訳（メタデータ） (2022-07-07T02:46:27Z)
Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection [84.52197307286681]
暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
論文参考訳（メタデータ） (2022-05-06T16:27:14Z)
PIE-Net: Photometric Invariant Edge Guided Network for Intrinsic Image Decomposition [17.008724191799313]
固有の画像分解は、画像から画像形成成分(反射および陰影)を回収する過程である。本稿では,固有画像分解のためのエッジ駆動ハイブリッドCNN手法を提案する。
論文参考訳（メタデータ） (2022-03-30T20:46:15Z)
Physics-based Shading Reconstruction for Intrinsic Image Decomposition [20.44458250060927]
物理モデルから導出したアルベドおよびシェーディング勾配記述子を提案する。学習自由な教師なし方法で対応するRGB画像勾配から直接、初期スパースシェーディングマップを算出する。フル密度シェーディングマップを再構築する最適化手法を提案する。我々はシェーディング推定のテクスチャと強度のあいまいさ問題に直接対処する最初の人物である。
論文参考訳（メタデータ） (2020-09-03T09:30:17Z)
Saliency Enhancement using Gradient Domain Edges Merging [65.90255950853674]
本研究では,エッジとサリエンシマップをマージして,サリエンシマップの性能を向上させる手法を開発した。これにより、DUT-OMRONデータセットの少なくとも3.4倍の平均的な改善により、エッジ(SEE)を使用したサリエンシ向上が提案された。 SEEアルゴリズムは前処理のためのSEE-Preと後処理のためのSEE-Postの2つの部分に分けられる。
論文参考訳（メタデータ） (2020-02-11T14:04:56Z)

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。