論文の概要: Exploring and Evaluating Image Restoration Potential in Dynamic Scenes

• arxiv url: http://arxiv.org/abs/2203.11754v2
• Date: Wed, 23 Mar 2022 13:15:17 GMT
• ステータス: 処理完了
• システム内更新日: 2022-03-24 12:08:48.586704
• 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

• Dual-Representation Interaction Driven Image Quality Assessment with Restoration Assistance [11.983231834400698]
  歪み画像の非参照画像品質評価は、画像内容のばらつきと歪みの多様性のために常に難しい問題である。 以前のIQAモデルは、主に、品質スコア予測のための品質認識表現を得るために、合成画像の明示的な単一品質特徴を符号化していた。 低画質画像の劣化・品質情報を別々にモデル化するDRI法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T12:48:47Z)
• Mixed Degradation Image Restoration via Local Dynamic Optimization and Conditional Embedding [67.57487747508179]
  マルチインワン画像復元 (IR) は, 一つのモデルで全ての種類の劣化画像復元を処理し, 大幅な進歩を遂げている。 本稿では,単一と混合の分解で画像を効果的に復元できる新しいマルチインワンIRモデルを提案する。
  論文  参考訳（メタデータ） (2024-11-25T09:26:34Z)
• Taming Generative Diffusion Prior for Universal Blind Image Restoration [4.106012295148947]
  BIR-Dはマルチ誘導ブラインド画像復元を実現することができる。 また、複数の複雑な分解を行うイメージを復元し、実用的な応用を実証することができる。
  論文  参考訳（メタデータ） (2024-08-21T02:19:54Z)
• Photo-Realistic Image Restoration in the Wild with Controlled Vision-Language Models [14.25759541950917]
  この研究は、能動的視覚言語モデルと合成分解パイプラインを活用して、野生(ワイルドIR)における画像復元を学習する。 我々の基底拡散モデルは画像復元SDE(IR-SDE)である。
  論文  参考訳（メタデータ） (2024-04-15T12:34:21Z)
• Boosting Image Restoration via Priors from Pre-trained Models [54.83907596825985]
  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 [57.06779516541574]
  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)
• 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)
• 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)

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。