論文の概要: Real-World Deep Local Motion Deblurring

• arxiv url: http://arxiv.org/abs/2204.08179v2
• Date: Sun, 26 Mar 2023 16:33:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-29 03:30:54.677065
• Title: Real-World Deep Local Motion Deblurring
• Title（参考訳）: 実世界深部局所運動デブラリング
• Authors: Haoying Li, Ziran Zhang, Tingting Jiang, Peng Luo, Huajun Feng, Zhihai Xu
• Abstract要約: ReLoBlur (ReLoBlur) を構築。 本稿では,グローバルとローカルのデブロワーのギャップを埋めるために,ローカルブラザー・アウェア・ゲイト・ネットワーク(LBAG)と,いくつかのローカルブラー・アウェア技術を提案する。
• 参考スコア（独自算出の注目度）: 14.722910597305546
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most existing deblurring methods focus on removing global blur caused by camera shake, while they cannot well handle local blur caused by object movements. To fill the vacancy of local deblurring in real scenes, we establish the first real local motion blur dataset (ReLoBlur), which is captured by a synchronized beam-splitting photographing system and corrected by a post-progressing pipeline. Based on ReLoBlur, we propose a Local Blur-Aware Gated network (LBAG) and several local blur-aware techniques to bridge the gap between global and local deblurring: 1) a blur detection approach based on background subtraction to localize blurred regions; 2) a gate mechanism to guide our network to focus on blurred regions; and 3) a blur-aware patch cropping strategy to address data imbalance problem. Extensive experiments prove the reliability of ReLoBlur dataset, and demonstrate that LBAG achieves better performance than state-of-the-art global deblurring methods without our proposed local blur-aware techniques.
• Abstract（参考訳）: 既存のデブラリング手法のほとんどは、カメラシェイクによるグローバルなぼやけを取り除くことに集中しているが、オブジェクトの動きによる局所的なぼやけをうまく処理できない。 実シーンにおける局所的乱れの空白を埋めるために, 同期ビーム分割撮影システムで撮影し, 後処理パイプラインで補正した最初の実局所的動きボケデータセット(ReLoBlur)を構築した。 ReLoBlurをベースとしたLBAG(Local Blur-Aware Gated Network)と,グローバルデブリとローカルデブロワーのギャップを埋めるローカルブラー認識技術を提案する。 1) 背景部分抽出に基づくぼやけた領域の局所化によるぼやけた検出手法 2)ネットワークをぼやけた領域に集中させるゲート機構 3)データ不均衡問題に対処するためのぼやけ認識パッチクロッピング戦略。 広範囲にわたる実験により,リロブーラデータセットの信頼性が証明され,提案手法を使わずにlbagが最先端のグローバルデブロリング法よりも優れた性能を実現することが証明された。

関連論文リスト

• DaBiT: Depth and Blur informed Transformer for Joint Refocusing and Super-Resolution [4.332534893042983]
  多くの現実のシナリオでは、録画されたビデオは偶然の焦点がぼやけている。 本稿では、焦点ずれ(再焦点)とビデオ超解像(VSR)に最適化されたフレームワークを提案する。 我々は、既存のビデオ復元方法よりも1.9dB以上のPSNR性能で、最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-07-01T12:22:16Z)
• Rethinking the Localization in Weakly Supervised Object Localization [51.29084037301646]
  弱教師付きオブジェクトローカライゼーション(WSOL)は、コンピュータビジョンにおいて最も人気があり、困難なタスクの1つである。 最近、WSOLを2つの部分(クラスに依存しないオブジェクトのローカライゼーションとオブジェクトの分類)に分割することが、このタスクの最先端のパイプラインになっている。 本研究では,SCRを複数物体の局所化のためのバイナリクラス検出器(BCD)に置き換えることを提案する。
  論文  参考訳（メタデータ） (2023-08-11T14:38:51Z)
• Adaptive Window Pruning for Efficient Local Motion Deblurring [81.35217764881048]
  局所的な動きのぼかしは、露光中の移動物体と静止背景との混合により、実世界の写真で一般的に発生する。 既存の画像のデブロアリング手法は主にグローバルなデブロアリングに焦点を当てている。 本稿では,高解像度の局所的ぼやけた画像を適応的かつ効率的に復元することを目的とする。
  論文  参考訳（メタデータ） (2023-06-25T15:24:00Z)
• Blur Interpolation Transformer for Real-World Motion from Blur [52.10523711510876]
  本稿では, ボケの時間的相関を解き明かすために, 符号化されたブラー変換器(BiT)を提案する。 マルチスケール残留スウィン変圧器ブロックに基づいて、両端の時間的監督と時間対称なアンサンブル戦略を導入する。 さらに,1対1のぼやけたビデオペアの最初の実世界のデータセットを収集するハイブリッドカメラシステムを設計する。
  論文  参考訳（メタデータ） (2022-11-21T13:10:10Z)
• Delving into Sequential Patches for Deepfake Detection [64.19468088546743]
  近年の顔偽造技術は、ほとんど追跡不可能なディープフェイクビデオを生み出しており、悪意のある意図で活用することができる。 従来の研究では、ディープフェイク法にまたがる一般化を追求する上で、局所的な低レベルな手がかりと時間的情報の重要性が指摘されてきた。 本稿では,局所的・時間的変換をベースとしたDeepfake Detectionフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:46:30Z)
• LODE: Deep Local Deblurring and A New Benchmark [106.80269193462712]
  我々はBLur-Aware Deblurring Network(BladeNet)と呼ばれる新しいフレームワークを提案する。 ローカルブラー合成モジュールは局所的にぼやけたトレーニングペアを生成し、ローカルブラー知覚モジュールは局所的にぼやけた領域を自動的に捕捉し、Blar-guided Space Attentionモジュールは遅延ネットワークを空間的注意でガイドする。 我々は,REDS と LODE データセットの広範な実験を行い,BladeNet がPSNR を 2.5dB で改善し,SotAs を局所的に改善し,グローバルデブロアに匹敵する性能を維持していることを示す。
  論文  参考訳（メタデータ） (2021-09-19T15:57:28Z)
• Deblurring by Realistic Blurring [110.54173799114785]
  本稿では,BGAN(Learning-to-blurr GAN)とDBGAN(Learning-to-DeBlur GAN)の2つのモデルを組み合わせた新しい手法を提案する。 第1のモデルであるBGANは、未ペアのシャープでぼやけた画像セットでシャープな画像をぼやかす方法を学習し、第2のモデルであるDBGANをガイドして、そのような画像を正しくデブロアする方法を学ぶ。 さらなる貢献として,多様なぼやけた画像を含むRWBIデータセットについても紹介する。
  論文  参考訳（メタデータ） (2020-04-04T05:25:15Z)

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。