論文の概要: Online-updated High-order Collaborative Networks for Single Image Deraining

• arxiv url: http://arxiv.org/abs/2202.06568v1
• Date: Mon, 14 Feb 2022 09:09:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-16 03:09:32.223387
• Title: Online-updated High-order Collaborative Networks for Single Image Deraining
• Title（参考訳）: 単一画像評価のためのオンライン更新高次協調ネットワーク
• Authors: Cong Wang and Jinshan Pan and Xiao-Ming Wu
• Abstract要約: 単一画像のデライン化は、ビデオ監視や自動運転システムなど、下流の人工知能アプリケーションにとって重要なタスクである。 マルチスケールのコンパクトな制約と双方向のスケール・コンテント類似性マイニングモジュールを備えた高階協調ネットワークを提案する。 提案手法は,5つの公開合成と1つの実世界のデータセットに対して,11の最先端手法に対して好意的に機能する。
• 参考スコア（独自算出の注目度）: 51.22694467126883
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Single image deraining is an important and challenging task for some downstream artificial intelligence applications such as video surveillance and self-driving systems. Most of the existing deep-learning-based methods constrain the network to generate derained images but few of them explore features from intermediate layers, different levels, and different modules which are beneficial for rain streaks removal. In this paper, we propose a high-order collaborative network with multi-scale compact constraints and a bidirectional scale-content similarity mining module to exploit features from deep networks externally and internally for rain streaks removal. Externally, we design a deraining framework with three sub-networks trained in a collaborative manner, where the bottom network transmits intermediate features to the middle network which also receives shallower rainy features from the top network and sends back features to the bottom network. Internally, we enforce multi-scale compact constraints on the intermediate layers of deep networks to learn useful features via a Laplacian pyramid. Further, we develop a bidirectional scale-content similarity mining module to explore features at different scales in a down-to-up and up-to-down manner. To improve the model performance on real-world images, we propose an online-update learning approach, which uses real-world rainy images to fine-tune the network and update the deraining results in a self-supervised manner. Extensive experiments demonstrate that our proposed method performs favorably against eleven state-of-the-art methods on five public synthetic datasets and one real-world dataset. The source code will be available at \url{https://supercong94.wixsite.com/supercong94}.
• Abstract（参考訳）: ビデオ監視や自動運転システムなど、下流の人工知能アプリケーションでは、単一の画像デレーシングが重要かつ困難なタスクである。 既存のディープラーニングベースの手法のほとんどは、デポイナ画像の生成をネットワークに制限しているが、中間層、異なるレベル、そして雨天除去に有用な異なるモジュールの特徴を探索する部分はほとんどない。 本稿では,マルチスケールのコンパクトな制約を伴う高次協調ネットワークと双方向のスケール・コンテント類似性マイニングモジュールを提案する。 外部では、3つのサブネットワークを協調的に訓練したデライニング・フレームワークを設計し、底ネットワークは中間機能を中間ネットワークに送信し、上ネットワークから雨の浅い機能を受信し、下ネットワークに機能を返送する。 内部的には、深層ネットワークの中間層に複数スケールのコンパクト制約を適用し、ラプラシアピラミッドを通して有用な特徴を学習する。 さらに,双方向のスケール・コンテント類似度マイニングモジュールを開発し,さまざまなスケールの機能をスケールアップ・アップ・トゥ・ダウン方式で探索する。 実世界の画像上でのモデル性能を改善するために,実世界の降雨画像を用いてネットワークを微調整し,デレーニング結果を自己管理的に更新するオンライン更新学習手法を提案する。 提案手法は,5つの公開合成データセットと1つの実世界のデータセットに対して,11の最先端手法に対して良好に動作することを示す。 ソースコードは \url{https://supercong94.wixsite.com/supercong94} で入手できる。

関連論文リスト

• Bidirectional Multi-Scale Implicit Neural Representations for Image Deraining [47.15857899099733]
  高品質な画像再構成を実現するために,エンド・ツー・エンドのマルチスケールトランスを開発した。 クローズドループ設計において、劣化した入力を持つ画素座標に基づいて、スケール内の暗黙的ニューラル表現を組み込む。 我々のアプローチはNeRD-Rainと呼ばれ、合成および実世界のベンチマークデータセットにおいて最先端のアプローチに対して好意的に実行されます。
  論文  参考訳（メタデータ） (2024-04-02T01:18:16Z)
• Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing [54.168567276280505]
  画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。 振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。 第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
  論文  参考訳（メタデータ） (2023-08-14T08:23:58Z)
• Multi-scale Attentive Image De-raining Networks via Neural Architecture Search [23.53770663034919]
  我々は,画像デラリニングのための高性能なマルチスケール注意型ニューラルネットワーク探索(MANAS)フレームワークを開発した。 提案手法は,画像デライニング作業に好適な複数のフレキシブルモジュールを備えた,新しいマルチスケールアテンション検索空間を定式化する。 ディライニングネットワークの内部マルチスケール注意アーキテクチャは、勾配に基づく探索アルゴリズムによって自動的に探索される。
  論文  参考訳（メタデータ） (2022-07-02T03:47:13Z)
• Multi-Scale Hourglass Hierarchical Fusion Network for Single Image Deraining [8.964751500091005]
  雨のひもはサイズ、方向および密度で頻繁に変わる深刻なぼやけおよび視覚質の低下をもたらします。 現在のCNN方式は, 降雨特性の描写や, 可視性に乏しい環境下でのイメージの復元に限られている。 本稿では,マルチスケール抽出,階層蒸留,情報集約による雨天の特徴を正確に把握するために,マルチスケールのHH2F-Netを提案する。
  論文  参考訳（メタデータ） (2021-04-25T08:27:01Z)
• MCW-Net: Single Image Deraining with Multi-level Connections and Wide Regional Non-local Blocks [6.007222067550804]
  降雨画像の背景テクスチャを復元するために,マルチレベル接続と広域非局所ブロックネットワーク(MCW-Net)を提案する。 MCW-Netは、追加ブランチなしで情報利用を最大化することで、性能を向上させる。 人工降雨データセットと実世界の降雨データセットの実験結果は、提案モデルが既存の最先端モデルを大幅に上回っていることを示している。
  論文  参考訳（メタデータ） (2020-09-29T13:21:31Z)
• DCSFN: Deep Cross-scale Fusion Network for Single Image Rain Removal [13.794959799789703]
  降雨が画像の視界を著しく低下させるため、降雨は重要なもののコンピュータビジョンの課題である。 以前の研究は主に特徴抽出と処理、あるいはニューラルネットワーク構造に焦点を当てていた。 本稿では,画像雨雨除去課題を解決するために,ネットワークと内規模核融合操作のクロススケールな方法について検討する。
  論文  参考訳（メタデータ） (2020-08-03T10:34:45Z)
• Single Image Deraining via Scale-space Invariant Attention Neural Network [58.5284246878277]
  我々は,カメラに対するレインステーキの外観の視覚的変化に対処するスケールの概念に取り組む。 本稿では,画素領域よりもコンパクトでロバストな畳み込み特徴領域のマルチスケール相関を表現することを提案する。 このようにして、機能マップの最も活発な存在を、有能な特徴として要約する。
  論文  参考訳（メタデータ） (2020-06-09T04:59:26Z)
• A Model-driven Deep Neural Network for Single Image Rain Removal [52.787356046951494]
  完全解釈可能なネットワーク構造を持つモデル駆動型ディープニューラルネットワークを提案する。 雨を表現するための畳み込み辞書学習機構に基づいて,新しい単一画像デレーニングモデルを提案する。 すべてのレインカーネルとオペレータは自動的に抽出され、レイン層とクリーンなバックグラウンド層の両方の特徴を忠実に特徴付けることができる。
  論文  参考訳（メタデータ） (2020-05-04T09:13:25Z)
• Multi-Scale Progressive Fusion Network for Single Image Deraining [84.0466298828417]
  空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。 同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。 本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
  論文  参考訳（メタデータ） (2020-03-24T17:22:37Z)

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。