論文の概要: Toward Real-world Single Image Deraining: A New Benchmark and Beyond
- arxiv url: http://arxiv.org/abs/2206.05514v1
- Date: Sat, 11 Jun 2022 12:26:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-14 15:31:07.260668
- Title: Toward Real-world Single Image Deraining: A New Benchmark and Beyond
- Title（参考訳）: 現実世界の単一画像デレーシングに向けて - 新しいベンチマークとそれ以降
- Authors: Wei Li, Qiming Zhang, Jing Zhang, Zhen Huang, Xinmei Tian, Dacheng Tao
- Abstract要約: 現実シナリオにおけるSID(Single Image deraining)は近年注目されている。
以前の実際のデータセットは、低解像度の画像、均一な雨のストリーク、背景の変化の制限、イメージペアの誤調整に悩まされていた。
我々はRealRain-1kという新しい高品質のデータセットを構築した。
- 参考スコア（独自算出の注目度）: 79.5893880599847
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single image deraining (SID) in real scenarios attracts increasing attention
in recent years. Due to the difficulty in obtaining real-world rainy/clean
image pairs, previous real datasets suffer from low-resolution images,
homogeneous rain streaks, limited background variation, and even misalignment
of image pairs, resulting in incomprehensive evaluation of SID methods. To
address these issues, we establish a new high-quality dataset named
RealRain-1k, consisting of $1,120$ high-resolution paired clean and rainy
images with low- and high-density rain streaks, respectively. Images in
RealRain-1k are automatically generated from a large number of real-world rainy
video clips through a simple yet effective rain density-controllable filtering
method, and have good properties of high image resolution, background
diversity, rain streaks variety, and strict spatial alignment. RealRain-1k also
provides abundant rain streak layers as a byproduct, enabling us to build a
large-scale synthetic dataset named SynRain-13k by pasting the rain streak
layers on abundant natural images. Based on them and existing datasets, we
benchmark more than 10 representative SID methods on three tracks: (1) fully
supervised learning on RealRain-1k, (2) domain generalization to real datasets,
and (3) syn-to-real transfer learning. The experimental results (1) show the
difference of representative methods in image restoration performance and model
complexity, (2) validate the significance of the proposed datasets for model
generalization, and (3) provide useful insights on the superiority of learning
from diverse domains and shed lights on the future research on real-world SID.
The datasets will be released at https://github.com/hiker-lw/RealRain-1k
- Abstract（参考訳）: 現実シナリオにおけるSID(Single Image deraining)は近年注目されている。
実世界の雨/クリーン画像ペアを得るのが困難であるため、以前の実データセットは低解像度の画像、均質な雨のストリーク、背景の変化の制限、画像ペアのずれなどに悩まされ、sid法の理解不能な評価に繋がる。
これらの問題に対処するために,我々はrerealrain-1kという新しい高品質データセットを構築した。
realrain-1kの画像は多くの現実世界の雨のビデオクリップから、単純で効果的な雨密度制御可能なフィルタリングによって自動的に生成され、高分解能、背景多様性、雨のバラエティ、厳密な空間的アライメントなどの特性を有する。
RealRain-1kはまた、豊富な雨天層を副産物として提供し、豊富な自然画像上に雨天層を貼り付けることで、SynRain-13kという大規模な合成データセットを構築することができる。
これらと既存のデータセットに基づいて,(1)RealRain-1kの完全教師付き学習,(2)ドメインの実際のデータセットへの一般化,(3)Syn-to-real転送学習の3つのトラックで10以上のSID手法をベンチマークする。
実験の結果,(1)画像復元性能とモデルの複雑さにおける代表的手法の違い,(2)モデル一般化のための提案するデータセットの意義を検証すること,(3)多様な領域からの学習の優越性,そして実世界のsidに関する今後の研究に光を当てることに有用である。
データセットはhttps://github.com/hiker-lw/RealRain-1kでリリースされる。
関連論文リスト
- From Sky to the Ground: A Large-scale Benchmark and Simple Baseline
Towards Real Rain Removal [28.029107707930063]
我々は,100万の高解像度(1920*1080)フレーム対を持つ3000の動画シーケンスを含む大規模高品質ペアド実雨量ベンチマーク(LHP-Rain)を構築した。
提案したデータセットの利点は3つある: 雨は多彩で大規模、画像は高解像度で高画質の地上構造である。
論文 参考訳（メタデータ） (2023-08-07T18:39:14Z) - Dual Degradation Representation for Joint Deraining and Low-Light Enhancement in the Dark [57.85378202032541]
暗闇の中での雨は、自律運転や監視システム、夜間写真など、現実世界のアプリケーションをデプロイする上で大きな課題となる。
既存の低照度化や除染法は、低照度を明るくし、同時に雨を取り除くのに苦労する。
L$2$RIRNetと呼ばれるエンド・ツー・エンドのモデルを導入する。
論文 参考訳（メタデータ） (2023-05-06T10:17:42Z) - Not Just Streaks: Towards Ground Truth for Single Image Deraining [42.15398478201746]
実世界の雨天とクリーンなイメージペアの大規模データセットを提案する。
本稿では,雨天と清潔な画像の間の雨害損失を最小限に抑え,基盤となるシーンを再構築するディープニューラルネットワークを提案する。
論文 参考訳（メタデータ） (2022-06-22T00:10:06Z) - SDNet: mutil-branch for single image deraining using swin [14.574622548559269]
画像デラリニングの分野にスウィントランスを初めて導入する。
具体的には,Swin-transformerの基本モジュールを改良し,単画像降雨除去を実現する3分岐モデルの設計を行う。
提案手法は,現在主流となっている降雨ストリーク除去モデルに対して,性能と予測速度の優位性を有する。
論文 参考訳（メタデータ） (2021-05-31T16:06:02Z) - From Rain Generation to Rain Removal [67.71728610434698]
雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。
降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。
総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
論文 参考訳（メタデータ） (2020-08-08T18:56:51Z) - Syn2Real Transfer Learning for Image Deraining using Gaussian Processes [92.15895515035795]
CNNに基づく画像デライニング手法は,再現誤差や視覚的品質の点で優れた性能を発揮している。
実世界の完全ラベル付き画像デライニングデータセットを取得する上での課題により、既存の手法は合成されたデータのみに基づいて訓練される。
本稿では,ガウス過程に基づく半教師付き学習フレームワークを提案する。
論文 参考訳（メタデータ） (2020-06-10T00:33:18Z) - Multi-Scale Progressive Fusion Network for Single Image Deraining [84.0466298828417]
空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。
同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。
本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
論文 参考訳（メタデータ） (2020-03-24T17:22:37Z) - Rainy screens: Collecting rainy datasets, indoors [19.71705192452036]
本稿では,既存の地中構造画像から多彩な降雨画像を生成するための簡易な手法を提案する。
この設定により、既存のデータセットの多様性をタスク基底データで活用できます。
都市景観とBDDに基づく降雨量と降雨量と実際の付着液滴を用いた降雨画像を生成し,デライニングモデルを訓練する。
論文 参考訳（メタデータ） (2020-03-10T13:57:37Z) - Semi-DerainGAN: A New Semi-supervised Single Image Deraining Network [45.78251508028359]
本稿では,セミデリンGANと呼ばれる,半教師付きGANベースのデラミニングネットワークを提案する。
2つの教師なしおよび教師なしのプロセスを使用して、一様ネットワークで合成画像と実際の雨画像の両方を使用することができる。
そこで我々は,実対と偽対を識別する識別器を設計した。
論文 参考訳（メタデータ） (2020-01-23T07:01:30Z)
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。