論文の概要: Exploring and Evaluating Image Restoration Potential in Dynamic Scenes
- arxiv url: http://arxiv.org/abs/2203.11754v1
- Date: Tue, 22 Mar 2022 14:10:16 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-23 18:28:02.427188
- Title: Exploring and Evaluating Image Restoration Potential in Dynamic Scenes
- Title(参考訳): 動的シーンにおける画像復元の可能性の探索と評価
- Authors: Cheng Zhang, Shaolin Su, Yu Zhu, Qingsen Yan, Jinqiu Sun, Yanning
Zhang
- Abstract要約: ダイナミックなシーンでは、画像は動きの重畳や信号-雑音比の低さによって、しばしばダイナミックなぼかしに悩まされる。
画像復元電位(IRP)に着目した新しい概念を提案する。
- 参考スコア(独自算出の注目度): 44.37018725642948
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In dynamic scenes, images often suffer from dynamic blur due to superposition
of motions or low signal-noise ratio resulted from quick shutter speed when
avoiding motions. Recovering sharp and clean results from the captured images
heavily depends on the ability of restoration methods and the quality of the
input. Although existing research on image restoration focuses on developing
models for obtaining better restored results, fewer have studied to evaluate
how and which input image leads to superior restored quality. In this paper, to
better study an image's potential value that can be explored for restoration,
we propose a novel concept, referring to image restoration potential (IRP).
Specifically, We first establish a dynamic scene imaging dataset containing
composite distortions and applied image restoration processes to validate the
rationality of the existence to IRP. Based on this dataset, we investigate
several properties of IRP and propose a novel deep model to accurately predict
IRP values. By gradually distilling and selective fusing the degradation
features, the proposed model shows its superiority in IRP prediction. Thanks to
the proposed model, we are then able to validate how various image restoration
related applications are benefited from IRP prediction. We show the potential
usages of IRP as a filtering principle to select valuable frames, an auxiliary
guidance to improve restoration models, and even an indicator to optimize
camera settings for capturing better images under dynamic scenarios.
- Abstract(参考訳): ダイナミックシーンでは、動きの重ね合わせや、動きを避ける際のシャッタースピードによる信号ノイズ比の低下によって、画像が動的にぼやけている場合が多い。
得られた画像から鮮明でクリーンな結果を復元することは、復元方法の能力と入力の品質に大きく依存する。
画像復元に関する既存の研究は、より良い復元結果を得るためのモデル開発に重点を置いているが、どのように、どの入力画像がより優れた復元品質をもたらすかを評価する研究は少ない。
本稿では,画像修復に有効な画像の潜在的な価値をよりよく研究するために,画像修復の可能性(IRP)を参考に,新しい概念を提案する。
具体的には,まず,複合歪みと応用画像復元プロセスを含む動的シーン画像データセットを構築し,その存在の合理性を検証する。
このデータセットに基づいて、irpのいくつかの特性を調査し、irp値を正確に予測する新しい深層モデルを提案する。
劣化特性を徐々に蒸留し, 選択的に融合させることで, IRP予測の優位性を示す。
提案モデルにより,様々な画像復元関連アプリケーションがirp予測からどのように恩恵を受けているかを検証できる。
我々は、IRPの潜在的な使用法を、価値あるフレームを選択するためのフィルタリング原則、復元モデルを改善するための補助ガイダンス、さらには動的シナリオ下でより良い画像を取得するためのカメラ設定を最適化するための指標として示す。
関連論文リスト
- Boosting Image Restoration via Priors from Pre-trained Models [58.833880779871265]
我々は、OSFによるターゲット復元ネットワークの復元結果を改善するために、Pre-Train-Guided Refinement Module (PTG-RM)と呼ばれる軽量モジュールを学習する。
PTG-RMは、低照度強化、デラリニング、デブロアリング、デノナイジングなど、様々なタスクにおける様々なモデルの復元性能を効果的に向上させる。
論文 参考訳(メタデータ) (2024-03-11T15:11:57Z) - Analysis of Deep Image Prior and Exploiting Self-Guidance for Image
Reconstruction [13.277067849874756]
DIPがアンダーサンプドイメージング計測からどのように情報を回収するかを検討する。
ネットワーク重みと入力の両方を同時に最適化する自己駆動型再構築プロセスを導入する。
提案手法は,ネットワーク入力画像と再構成画像の両方の堅牢かつ安定した関節推定を可能にする,新しいデノイザ正規化項を組み込んだものである。
論文 参考訳(メタデータ) (2024-02-06T15:52:23Z) - Scaling Up to Excellence: Practicing Model Scaling for Photo-Realistic
Image Restoration In the Wild [59.21387997903937]
SUPIR (Scaling-UP Image Restoration) は、生成前処理とモデルスケールアップのパワーを利用する、画期的な画像復元手法である。
モデルトレーニングのための2000万の高解像度高画質画像からなるデータセットを収集し、それぞれに記述的テキストアノテーションを付加する。
論文 参考訳(メタデータ) (2024-01-24T17:58:07Z) - Latent Diffusion Prior Enhanced Deep Unfolding for Spectral Image
Reconstruction [19.1301471218022]
スナップショット分光画像再構成は、単発2次元圧縮計測から3次元空間スペクトル像を再構成することを目的としている。
我々は, 深部展開法に先立って劣化のないモデルを生成するため, 遅延拡散モデル(LDM)という生成モデルを導入する。
論文 参考訳(メタデータ) (2023-11-24T04:55:20Z) - 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) - Reconstruction Distortion of Learned Image Compression with
Imperceptible Perturbations [69.25683256447044]
本稿では,学習画像圧縮(lic)の再構成品質を効果的に劣化させる攻撃手法を提案する。
我々は,Frobeniusノルムに基づく損失関数を導入して,元の画像と再構成された逆例との差を最大化することによって,逆例を生成する。
様々なlicモデルを用いてKodakデータセット上で実験を行った結果,有効性が確認された。
論文 参考訳(メタデータ) (2023-06-01T20:21:05Z) - Invertible Rescaling Network and Its Extensions [118.72015270085535]
本研究では,新たな視点から双方向の劣化と復元をモデル化する,新しい可逆的枠組みを提案する。
我々は、有効な劣化画像を生成し、失われたコンテンツの分布を変換する可逆モデルを開発する。
そして、ランダムに描画された潜在変数とともに、生成された劣化画像に逆変換を適用することにより、復元可能とする。
論文 参考訳(メタデータ) (2022-10-09T06:58:58Z) - REPNP: Plug-and-Play with Deep Reinforcement Learning Prior for Robust
Image Restoration [30.966005373669027]
本稿では、RePNPと呼ばれる新しい深層強化学習(DRL)フレームワークを提案する。
その結果,提案したRePNPは観測モデルに対して頑健であることがわかった。
RePNPと呼ばれるスキーム。
RePNPはモデルパラメータの少ないモデル偏差に基づくより良い結果を得る。
論文 参考訳(メタデータ) (2022-07-25T10:56:10Z) - Learning the Regularization in DCE-MR Image Reconstruction for
Functional Imaging of Kidneys [1.2890174947191904]
機能的画像マーカーの精度を低下させることなく、MRIアンダーサンプリングアーティファクトを低減するために、単一の訓練されたディープニューラルネットワークを提案する。
提案したアプローチは、CS再構成を用いて推定された基底真理マーカーと高い相関を示す腎臓バイオマーカーである。
論文 参考訳(メタデータ) (2021-09-15T19:27:53Z) - Inverting Adversarially Robust Networks for Image Synthesis [37.927552662984034]
本稿では,特徴反転モデルの知覚的プリミティブとしてロバスト表現を用いることを提案する。
画像として頑健な表現を採用することにより,CNNに基づく特徴反転モデルの再構成精度が大幅に向上することを示す。
そこで本研究では,ロバストな表現に基づく符号化復号ネットワークを提案し,異常検出,スタイル転送,画像復号化などの応用にその利点を示す。
論文 参考訳(メタデータ) (2021-06-13T05:51:00Z)
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。