論文の概要: Towards Efficient Single Image Dehazing and Desnowing

• arxiv url: http://arxiv.org/abs/2204.08899v1
• Date: Tue, 19 Apr 2022 13:51:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 14:22:58.693621
• Title: Towards Efficient Single Image Dehazing and Desnowing
• Title（参考訳）: 単一画像デハザリングとデハザリングの効率化に向けて
• Authors: Tian Ye and Sixiang Chen and Yun Liu and Erkang Chen and Yuche Li
• Abstract要約: そこで本研究では,DAN-Netという画像復元ネットワークを提案する。 1つの専門家ネットワークは、コンパクトなアーキテクチャと3つの新しいコンポーネントに依存して、悪質な冬のシーンの特定の劣化に効果的に対処する。 我々は,冬期画像復元手法を評価するために,最初の実世界の冬期シーンデータセットを収集した。
• 参考スコア（独自算出の注目度）: 6.052434200703146
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Removing adverse weather conditions like rain, fog, and snow from images is a challenging problem. Although the current recovery algorithms targeting a specific condition have made impressive progress, it is not flexible enough to deal with various degradation types. We propose an efficient and compact image restoration network named DAN-Net (Degradation-Adaptive Neural Network) to address this problem, which consists of multiple compact expert networks with one adaptive gated neural. A single expert network efficiently addresses specific degradation in nasty winter scenes relying on the compact architecture and three novel components. Based on the Mixture of Experts strategy, DAN-Net captures degradation information from each input image to adaptively modulate the outputs of task-specific expert networks to remove various adverse winter weather conditions. Specifically, it adopts a lightweight Adaptive Gated Neural Network to estimate gated attention maps of the input image, while different task-specific experts with the same topology are jointly dispatched to process the degraded image. Such novel image restoration pipeline handles different types of severe weather scenes effectively and efficiently. It also enjoys the benefit of coordinate boosting in which the whole network outperforms each expert trained without coordination. Extensive experiments demonstrate that the presented manner outperforms the state-of-the-art single-task methods on image quality and has better inference efficiency. Furthermore, we have collected the first real-world winter scenes dataset to evaluate winter image restoration methods, which contains various hazy and snowy images snapped in winter. Both the dataset and source code will be publicly available.
• Abstract（参考訳）: 画像から雨、霧、雪などの悪天候を取り除くことは難しい問題である。 特定の条件を対象とする現在のリカバリアルゴリズムは目覚ましい進歩を遂げているが、様々な劣化タイプに対処できるほど柔軟ではない。 そこで本研究では,単一の適応ゲート型ニューラルネットワークを持つ複数のコンパクトエキスパートネットワークからなるこの問題に対処するために,dan-net (degradation-adaptive neural network) と呼ばれる効率的でコンパクトな画像復元ネットワークを提案する。 単一の専門家ネットワークは、コンパクトアーキテクチャと3つの新しいコンポーネントに依存する厄介な冬のシーンで、特定の劣化に効率的に対処します。 DAN-Netは、Mixture of Experts戦略に基づいて、各入力画像から劣化情報をキャプチャしてタスク固有のエキスパートネットワークの出力を適応的に調整し、各種の悪天候条件を除去する。 具体的には、軽量な適応ゲート型ニューラルネットワークを用いて入力画像のゲート付きアテンションマップを推定し、同じトポロジーを持つ異なるタスク固有の専門家を共同で派遣して劣化画像を処理する。 このような新しい画像復元パイプラインは、異なる種類の厳しい気象シーンを効果的かつ効率的に処理する。 また、ネットワーク全体が調整なしで訓練された専門家に勝るコーディネートブースティングの利点も享受している。 広汎な実験により,提案手法は画像品質において最先端の単一タスク法より優れ,推論効率が良くなった。 さらに,冬季に撮影された各種の積雪画像を含む冬季画像復元手法を評価するために,実世界の冬季シーンデータセットを収集した。 データセットとソースコードの両方が公開される。

関連論文リスト

• Unified-Width Adaptive Dynamic Network for All-In-One Image Restoration [50.81374327480445]
  本稿では, 複雑な画像劣化を基本劣化の観点で表現できる, という新しい概念を提案する。 We propose the Unified-Width Adaptive Dynamic Network (U-WADN) which consist of two pivotal components: a Width Adaptive Backbone (WAB) and a Width Selector (WS)。 提案したU-WADNは、最大32.3%のFLOPを同時に削減し、約15.7%のリアルタイム加速を実現している。
  論文  参考訳（メタデータ） (2024-01-24T04:25:12Z)
• 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)
• Distance Weighted Trans Network for Image Completion [52.318730994423106]
  本稿では,DWT(Distance-based Weighted Transformer)を利用した画像コンポーネント間の関係をよりよく理解するためのアーキテクチャを提案する。 CNNは、粗い事前の局所的なテクスチャ情報を強化するために使用される。 DWTブロックは、特定の粗いテクスチャやコヒーレントな視覚構造を復元するために使用される。
  論文  参考訳（メタデータ） (2023-10-11T12:46:11Z)
• Towards Real-time High-Definition Image Snow Removal: Efficient Pyramid Network with Asymmetrical Encoder-decoder Architecture [6.682410871522934]
  リアルタイムHD画像認識のための非対称エンコーダデコーダアーキテクチャを用いた高効率ピラミッドネットワークを開発した。 提案手法は,HDおよびUltra-HD画像の処理困難を効果的に処理し,より複雑な処理性能のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-07-12T15:18:41Z)
• 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)
• Efficient and Degradation-Adaptive Network for Real-World Image Super-Resolution [28.00231586840797]
  実世界の画像超解像(Real-ISR)は、実世界の画像の未知の複雑な劣化のために難しい課題である。 近年のReal-ISRの研究は、画像劣化空間をモデル化することによって大きな進歩を遂げている。 本稿では,各入力画像の劣化を推定してパラメータを適応的に指定する,効率的な劣化適応型超解像ネットワークを提案する。
  論文  参考訳（メタデータ） (2022-03-27T05:59:13Z)
• Unpaired Quad-Path Cycle Consistent Adversarial Networks for Single Image Defogging [16.59494337699748]
  本研究では, クアッドパスサイクル一貫した対向ネットワーク (QPC-Net) という, 新たな対向ネットワークを構築した。 QPC-NetはFog2FogfreeブロックとFogfree2Fogブロックで構成される。 QPC-Netは、定量的精度と主観的視覚的品質の観点から、最先端のデファジグ手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-19T09:00:37Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Searching for Controllable Image Restoration Networks [57.23583915884236]
  既存の方法は各出力毎にネットワーク全体を通して別々の推論を必要とする。 本稿では,複数の画像効果を効率的に生成できるニューラルアーキテクチャ探索手法に基づく新しい枠組みを提案する。
  論文  参考訳（メタデータ） (2020-12-21T10:08:18Z)

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。