Fugu-MT 論文翻訳(概要): Real-World Single Image Super-Resolution Under Rainy Condition

論文の概要: Real-World Single Image Super-Resolution Under Rainy Condition

arxiv url: http://arxiv.org/abs/2206.08345v1
Date: Thu, 16 Jun 2022 17:48:27 GMT
ステータス: 処理完了
システム内更新日: 2022-06-17 16:29:26.164186
Title: Real-World Single Image Super-Resolution Under Rainy Condition
Title（参考訳）: 雨条件下における実世界単一画像超解像
Authors: Mohammad Shahab Uddin
Abstract要約: 本研究では,降雨条件下で現実の単一画像の超解像を行うための新しいアルゴリズムを提案する。実験の結果,提案アルゴリズムは降雨の負の効果を低減させる画像超解像を行うことができることがわかった。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: Image super-resolution is an important research area in computer vision that has a wide variety of applications including surveillance, medical imaging etc. Real-world signal image super-resolution has become very popular now-a-days due to its real-time application. There are still a lot of scopes to improve real-world single image super-resolution specially during challenging weather scenarios. In this paper, we have proposed a new algorithm to perform real-world single image super-resolution during rainy condition. Our proposed method can mitigate the influence of rainy conditions during image super-resolution. Our experiment results show that our proposed algorithm can perform image super-resolution decreasing the negative effects of the rain.
Abstract（参考訳）: 画像超解像はコンピュータビジョンにおいて重要な研究領域であり、監視、医用画像など様々な応用がある。実世界の信号画像スーパーレゾリューションは、そのリアルタイム応用により、現在非常に人気のあるものとなっている。挑戦的な気象シナリオにおいて、特に超高解像度の現実世界のイメージを改善するためのスコープは、まだたくさんある。本稿では,降雨条件下で実世界の単一画像の超解像を行うための新しいアルゴリズムを提案する。提案手法は,超解像時の雨条件の影響を軽減できる。実験の結果,提案アルゴリズムは降雨の負の効果を低減させる画像超解像を行うことができることがわかった。

関連論文リスト

High-Resolution Be Aware! Improving the Self-Supervised Real-World Super-Resolution [37.546746047196486]
地平線画像は現実の環境では利用できないため、自己教師型学習は超高解像度には不可欠である。既存の方法は、擬似ペアを作成したり、低分解能再構成目標を強制することによって、低分解能画像から自己監督を導出する。本稿では,高解像度画像の認識を強化し,自己監督された現実世界の超解像を改善する。
論文参考訳（メタデータ） (2024-11-25T08:13:32Z)
MDeRainNet: An Efficient Neural Network for Rain Streak Removal from Macro-pixel Images [44.83349966064718]
我々は,LF画像から降雨ストリーク除去を行うために,MDeRainNetと呼ばれる効率的なネットワークを提案する。提案するネットワークはマルチスケールエンコーダデコーダアーキテクチャを採用し, 直接マクロピクセル画像(MPI)を用いて降雨除去性能を向上する。そこで本研究では,MDeRainNetのための新しい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） (2024-06-15T14:47:02Z)
How Real is Real: Evaluating the Robustness of Real-World Super Resolution [0.0]
超解像は、高分解能画像上で行うダウンサンプリング法に頼って、既知の低分解能画像を形成するため、よく知られた問題である。我々は,複数の最先端超解像法を評価し,様々な種類の実像を提示する際の性能評価を行う。我々は、ほとんどの最先端超解法モデルにおいて差し迫った一般化問題を緩和する潜在的な解決策を提示する。
論文参考訳（メタデータ） (2022-10-22T18:53:45Z)
QSAM-Net: Rain streak removal by quaternion neural network with self-attention module [3.8781057504896563]
リモートセンシング、画像またはビデオ検索、屋外監視における現実世界のアプリケーションで撮影された画像は、悪天候によって引き起こされる劣化した品質に悩まされる。雨や霧のような条件は、視覚分析を困難にし、ハイレベルなコンピュータビジョン手法の性能を制限する人工物を導入します。本稿は,QSAM-Netと呼ばれる自己アテンションモジュールを用いて,雨害を除去する新しい4段階多段階ニューラルネットワークを開発することを目的とする。
論文参考訳（メタデータ） (2022-08-08T18:09:39Z)
Spatial-Temporal Super-Resolution of Satellite Imagery via Conditional Pixel Synthesis [66.50914391487747]
高精度な高解像度画像を生成するために,高解像度の高解像度画像を用いた条件付き画素合成モデルを提案する。我々は,本モデルにおいて,オブジェクトカウントという重要なダウンストリームタスクにおいて,フォトリアリスティックなサンプル品質を実現し,競合するベースラインを上回っていることを示す。
論文参考訳（メタデータ） (2021-06-22T02:16:24Z)
Best-Buddy GANs for Highly Detailed Image Super-Resolution [71.13466303340192]
我々は,低分解能(LR)入力に基づいて高分解能(HR)画像を生成する単一画像超解像(SISR)問題を考える。このラインに沿ったほとんどのメソッドは、SISRタスクに十分な柔軟性がない、事前定義されたシングルLRシングルHRマッピングに依存しています。リッチディテールSISRのためのベストバディGAN(Beby-GAN)を提案する。イミュータブルな1対1の制約を緩和することで、推定されたパッチを動的に最高の監視を求めることができる。
論文参考訳（メタデータ） (2021-03-29T02:58:27Z)
Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
論文参考訳（メタデータ） (2021-02-02T16:10:15Z)
Unsupervised Real Image Super-Resolution via Generative Variational AutoEncoder [47.53609520395504]
古典的な例に基づく画像超解法を再考し、知覚的画像超解法のための新しい生成モデルを考案する。本稿では,変分オートエンコーダを用いた共同画像デノベーションと超解像モデルを提案する。判別器の助けを借りて、超分解能サブネットワークのオーバーヘッドを加味して、分解された画像をフォトリアリスティックな視覚的品質で超解凍する。
論文参考訳（メタデータ） (2020-04-27T13:49:36Z)
HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of Satellite Imagery [55.253395881190436]
MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。これは、地球上の人間の影響を衛星で観測する上で重要である。我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
論文参考訳（メタデータ） (2020-02-15T22:17:47Z)

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。