論文の概要: ART-SS: An Adaptive Rejection Technique for Semi-Supervised restoration for adverse weather-affected images

• arxiv url: http://arxiv.org/abs/2203.09275v1
• Date: Thu, 17 Mar 2022 12:00:31 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-18 14:37:57.628970
• Title: ART-SS: An Adaptive Rejection Technique for Semi-Supervised restoration for adverse weather-affected images
• Title（参考訳）: ART-SS:悪天候画像に対する半監督修復のための適応的拒絶法
• Authors: Rajeev Yasarla, Carey E. Priebe, and Vishal Patel
• Abstract要約: SSR法の性能に及ぼすラベルなしデータの影響について検討する。 性能を劣化させる未ラベル画像の拒否を行う手法を開発した。
• 参考スコア（独自算出の注目度）: 24.03416814412226
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In recent years, convolutional neural network-based single image adverse weather removal methods have achieved significant performance improvements on many benchmark datasets. However, these methods require large amounts of clean-weather degraded image pairs for training, which is often difficult to obtain in practice. Although various weather degradation synthesis methods exist in the literature, the use of synthetically generated weather degraded images often results in sub-optimal performance on the real weather degraded images due to the domain gap between synthetic and real-world images. To deal with this problem, various semi-supervised restoration (SSR) methods have been proposed for deraining or dehazing which learn to restore the clean image using synthetically generated datasets while generalizing better using unlabeled real-world images. The performance of a semi-supervised method is essentially based on the quality of the unlabeled data. In particular, if the unlabeled data characteristics are very different from that of the labeled data, then the performance of a semi-supervised method degrades significantly. We theoretically study the effect of unlabeled data on the performance of an SSR method and develop a technique that rejects the unlabeled images that degrade the performance. Extensive experiments and ablation study show that the proposed sample rejection method increases the performance of existing SSR deraining and dehazing methods significantly. Code is available at :https://github.com/rajeevyasarla/ART-SS
• Abstract（参考訳）: 近年,畳み込みニューラルネットワークを用いた悪天候除去手法が,多くのベンチマークデータセットで有意な性能向上を達成している。 しかし、これらの方法はトレーニングのために大量のクリーンウェザー劣化画像ペアを必要とするため、実際は入手が難しいことが多い。 様々な気象劣化合成法が文献に存在しているが、合成した気象劣化画像を使用することで、合成画像と実世界の画像の領域差による実際の気象劣化画像の最適性能が低下することが多い。 この問題に対処するために,合成したデータセットを用いてクリーン画像の復元を学習し,ラベル付き実世界画像を用いてより汎用化するための半教師付き復元(ssr)法が提案されている。 半教師付き手法の性能は、基本的にラベルなしデータの品質に基づいている。 特にラベルのないデータ特性がラベル付きデータと大きく異なる場合、半教師付き手法の性能は著しく低下する。 ssr法の性能に及ぼすラベルなしデータの影響を理論的に検討し,その性能を低下させるラベルなし画像を拒絶する手法を開発した。 大規模な実験およびアブレーション実験により,提案法は既存のSSRデラライニング法および脱ハージング法の性能を著しく向上させることが示された。 コードはhttps://github.com/rajeevyasarla/ART-SSで公開されている。

関連論文リスト

• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Efficient Test-Time Adaptation for Super-Resolution with Second-Order Degradation and Reconstruction [62.955327005837475]
  画像超解像(SR)は,低分解能(LR)から高分解能(HR)へのマッピングを,一対のHR-LRトレーニング画像を用いて学習することを目的としている。 SRTTAと呼ばれるSRの効率的なテスト時間適応フレームワークを提案し、SRモデルを異なる/未知の劣化型でテストドメインに迅速に適応させることができる。
  論文  参考訳（メタデータ） (2023-10-29T13:58:57Z)
• DR2: Diffusion-based Robust Degradation Remover for Blind Face Restoration [66.01846902242355]
  ブラインド顔復元は通常、トレーニングのための事前定義された劣化モデルで劣化した低品質データを合成する。 トレーニングデータに現実のケースをカバーするために、あらゆる種類の劣化を含めることは、高価で実現不可能である。 本稿では、まず、劣化した画像を粗いが劣化不変な予測に変換し、次に、粗い予測を高品質な画像に復元するために拡張モジュールを使用するロバスト劣化再帰法(DR2)を提案する。
  論文  参考訳（メタデータ） (2023-03-13T06:05:18Z)
• Unsupervised Restoration of Weather-affected Images using Deep Gaussian Process-based CycleGAN [92.15895515035795]
  本稿では,CycleGANに基づくディープネットワークの監視手法について述べる。 我々は,より効果的なトレーニングにつながるCycleGANのトレーニングに新たな損失を導入し,高品質な再構築を実現した。 提案手法は, 脱落, 脱落, 脱落といった様々な修復作業に効果的に適用できることを実証する。
  論文  参考訳（メタデータ） (2022-04-23T01:30:47Z)
• Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
  実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。 監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。 ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
  論文  参考訳（メタデータ） (2020-12-18T08:25:39Z)
• Semi-Supervised Image Deraining using Gaussian Processes [18.434430658837258]
  合成データセットを用いて学習のネットワークをデライン化できる半教師付き学習フレームワークを提案する。 提案手法は,ラベル付き学習に比べ,ラベル付き学習に比べて性能が著しく向上することを示す。
  論文  参考訳（メタデータ） (2020-09-25T17:16:16Z)
• Syn2Real Transfer Learning for Image Deraining using Gaussian Processes [92.15895515035795]
  CNNに基づく画像デライニング手法は,再現誤差や視覚的品質の点で優れた性能を発揮している。 実世界の完全ラベル付き画像デライニングデータセットを取得する上での課題により、既存の手法は合成されたデータのみに基づいて訓練される。 本稿では,ガウス過程に基づく半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-10T00:33:18Z)

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。