Fugu-MT 論文翻訳(概要): A qualitative investigation of optical flow algorithms for video denoising

論文の概要: A qualitative investigation of optical flow algorithms for video denoising

arxiv url: http://arxiv.org/abs/2204.08791v1
Date: Tue, 19 Apr 2022 10:25:04 GMT
ステータス: 処理完了
システム内更新日: 2022-04-20 20:16:21.705251
Title: A qualitative investigation of optical flow algorithms for video denoising
Title（参考訳）: 映像復調のための光フローアルゴリズムの定性的検討
Authors: Hannes Fassold
Abstract要約: 我々は,アートビデオ復調アルゴリズムの状態を組み込んだ場合,光学フローアルゴリズムがいかにうまく機能するかを考察する。質的な調査のために、ほとんどの出版物で使用される標準画像の代わりに、挑戦的な特徴を持つ現実的なコンテンツを採用する。
参考スコア（独自算出の注目度）: 2.28438857884398
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: A good optical flow estimation is crucial in many video analysis and restoration algorithms employed in application fields like media industry, industrial inspection and automotive. In this work, we investigate how well optical flow algorithms perform qualitatively when integrated into a state of the art video denoising algorithm. Both classic optical flow algorithms (e.g. TV-L1) as well as recent deep learning based algorithm (like RAFT or BMBC) will be taken into account. For the qualitative investigation, we will employ realistic content with challenging characteristic (noisy content, large motion etc.) instead of the standard images used in most publications.
Abstract（参考訳）: メディア産業、産業検査、自動車などの応用分野で採用されている多くのビデオ分析および復元アルゴリズムにおいて、優れた光フロー推定が重要である。そこで本研究では,アートビデオ復調アルゴリズムの状態に統合された場合,光学フローアルゴリズムの質的性能について検討する。古典的な光フローアルゴリズム(TV-L1)と最近のディープラーニングベースのアルゴリズム(RAFTやBMBCなど)の両方が考慮される。質的な調査では、ほとんどの出版物で使用される標準的な画像の代わりに、挑戦的な特徴(ノイズのある内容、大きな動きなど)を持つ現実的なコンテンツを採用する。

関連論文リスト

Robust Optical Flow Computation: A Higher-Order Differential Approach [0.0]
本研究は,2次テイラー級数近似の高精度化を利用して,光フロー計算のための革新的なアルゴリズムを提案する。 KITTIやMiddleburyのような光学フローベンチマークのパフォーマンスによって、アルゴリズムの機能を示す印象的な例が現れる。
論文参考訳（メタデータ） (2024-10-12T15:20:11Z)
An Image Quality Evaluation and Masking Algorithm Based On Pre-trained Deep Neural Networks [3.3573574079709223]
本稿では、オートエンコーダを用いて高品質な天体画像の特徴を学習する深層学習に基づく画像品質評価アルゴリズムを提案する。訓練されたオートエンコーダは、ノイズの影響を受ける領域の画像品質とマスキングの自動評価を可能にする。本アルゴリズムは,異なるスカイサーベイプロジェクトから得られる画像品質を自動評価するために用いられる。
論文参考訳（メタデータ） (2024-05-06T12:20:16Z)
Hierarchical Graph Pattern Understanding for Zero-Shot VOS [102.21052200245457]
本稿では、ゼロショットビデオオブジェクトセグメンテーション(ZS-VOS)のための新しい階層型グラフニューラルネットワーク(GNN)アーキテクチャを提案する。構造的関係を捕捉するGNNの強い能力にインスパイアされたHGPUは、運動キュー(すなわち光の流れ)を革新的に活用し、ターゲットフレームの隣人からの高次表現を強化する。
論文参考訳（メタデータ） (2023-12-15T04:13:21Z)
High Speed Human Action Recognition using a Photonic Reservoir Computer [1.7403133838762443]
我々は,「関心の時間」に基づく貯水池コンピュータの新しい訓練方法を提案する。我々は,複数のビデオストリームをリアルタイムに処理できる点において,高い精度と速度でタスクを解く。
論文参考訳（メタデータ） (2023-05-24T16:04:42Z)
Optical Flow for Autonomous Driving: Applications, Challenges and Improvements [0.9023847175654602]
学習に基づく光フローアルゴリズムを改善するためのトレーニング戦略を提案し,評価する。合成データを訓練しながら、このモデルは現実世界の魚眼データに一般化する強力な能力を示す。低光域における既存手法の性能を大幅に向上させる,新しい汎用的な半教師付きフレームワークを提案する。
論文参考訳（メタデータ） (2023-01-11T12:01:42Z)
Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and Transformer-Based Method [51.30748775681917]
低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
論文参考訳（メタデータ） (2022-12-22T09:05:07Z)
Optical Flow for Video Super-Resolution: A Survey [73.32742339612574]
ビデオ超解像はコンピュータビジョンにおける最も活発な研究トピックの1つである。本論では,本論を初めて包括的に概観する。深層学習に基づくビデオ超解像法について詳細な研究を行う。
論文参考訳（メタデータ） (2022-03-20T06:04:56Z)
PCA Event-Based Otical Flow for Visual Odometry [0.0]
本稿では,イベントベース光流量推定問題に対する主成分分析手法を提案する。提案手法の最良の変種は,ビジュアルオドメトリーのリアルタイムコンテキストを対象とし,最先端実装と比較して約2倍高速であることを示す。
論文参考訳（メタデータ） (2021-05-08T18:30:44Z)
TEACHTEXT: CrossModal Generalized Distillation for Text-Video Retrieval [103.85002875155551]
本研究では,大規模言語前訓練を利用した一般化蒸留法TeachTextを提案する。提案手法をビデオ側モダリティに拡張し,テスト時に使用するモダリティの数を効果的に削減できることを示す。提案手法は,いくつかのビデオ検索ベンチマークの精度を著しく向上させ,テスト時の計算オーバーヘッドを増加させない。
論文参考訳（メタデータ） (2021-04-16T17:55:28Z)
Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
論文参考訳（メタデータ） (2021-03-04T12:45:18Z)
Encoding in the Dark Grand Challenge: An Overview [60.9261003831389]
低照度映像シーケンスの符号化に関するグランドチャレンジを提案する。 VVCは、エンコーディングに先立って単にビデオソースをデノベートするよりも高いパフォーマンスを達成する。後処理画像強調法を用いることで、ビデオストリームの品質をさらに向上することができる。
論文参考訳（メタデータ） (2020-05-07T08:22:56Z)

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。