Fugu-MT 論文翻訳(概要): MultiEarth 2022 -- The Champion Solution for Image-to-Image Translation Challenge via Generation Models

論文の概要: MultiEarth 2022 -- The Champion Solution for Image-to-Image Translation Challenge via Generation Models

arxiv url: http://arxiv.org/abs/2207.00001v1
Date: Fri, 17 Jun 2022 18:33:10 GMT
ステータス: 処理完了
システム内更新日: 2022-07-10 16:33:40.817058
Title: MultiEarth 2022 -- The Champion Solution for Image-to-Image Translation Challenge via Generation Models
Title（参考訳）: multiearth 2022 -- 生成モデルによる画像から画像への翻訳チャレンジのチャンピオンソリューション
Authors: Yuchuan Gou, Bo Peng, Hongchen Liu, Hang Zhou, Jui-Hsin Lai
Abstract要約: MultiEarth 2022 Image-to- Image Translation Challengeは、対応するRGB Sentinel-2画像を生成するための十分な制約のあるテストベッドを提供する。自己評価では, L1-loss を用いた SPADE-2 モデルでは 0.02194 MAE スコアと 31.092 PSNR dB が得られる。最終提出書では、トップボードの0.02795 MAEスコアが1位にランクインしている。
参考スコア（独自算出の注目度）: 10.918741492506502
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The MultiEarth 2022 Image-to-Image Translation challenge provides a well-constrained test bed for generating the corresponding RGB Sentinel-2 imagery with the given Sentinel-1 VV & VH imagery. In this challenge, we designed various generation models and found the SPADE [1] and pix2pixHD [2] models could perform our best results. In our self-evaluation, the SPADE-2 model with L1-loss can achieve 0.02194 MAE score and 31.092 PSNR dB. In our final submission, the best model can achieve 0.02795 MAE score ranked No.1 on the leader board.
Abstract（参考訳）: MultiEarth 2022 Image-to- Image Translation Challengeは、与えられたSentinel-1 VV & VH画像と対応するRGB Sentinel-2画像を生成するための、よく制約されたテストベッドを提供する。この課題において、様々な世代モデルを設計し、spade [1] と pix2pixhd [2] モデルが最良の結果をもたらすことを見出しました。自己評価では, L1-loss を用いた SPADE-2 モデルでは 0.02194 MAE スコアと 31.092 PSNR dB が得られる。最終提出書では、トップボードの0.02795 MAEスコアが1位にランクインしている。

関連論文リスト

Autoregressive Model Beats Diffusion: Llama for Scalable Image Generation [52.509092010267665]
我々はLlamaGenを紹介した。LlamaGenは画像生成モデルの新しいファミリーで、視覚生成ドメインに対して、大規模言語モデルのオリジナルの次世代予測のパラダイムを適用している。これは、例えば、視覚信号に誘導バイアスのないバニラ自己回帰モデルが、適切にスケーリングすれば最先端の画像生成性能を達成できるかどうか、肯定的な答えである。
論文参考訳（メタデータ） (2024-06-10T17:59:52Z)
NTIRE 2024 Restore Any Image Model (RAIM) in the Wild Challenge [60.21380105535203]
RAIMチャレンジは野生での画像復元のためのベンチマークを構築した。参加者は、実際の撮影画像が複雑で未知の劣化から復元されることが求められた。トップランクの手法は最先端の復元性能を改善し、18人の審査員から全会一致の承認を得た。
論文参考訳（メタデータ） (2024-05-16T09:26:13Z)
GroundNLQ @ Ego4D Natural Language Queries Challenge 2023 [73.12670280220992]
映像を正確にグラウンドするには、効果的なエゴセントリック特徴抽出器と強力なグラウンドモデルが必要である。我々は,2段階の事前学習戦略を利用して,ビデオナレーションにおけるエゴセントリックな特徴抽出器とグラウンドングモデルを訓練する。さらに,マルチモーダルなマルチスケールグラウンドモジュールを用いた新しいグラウンドグラウンドモデル GroundNLQ を提案する。
論文参考訳（メタデータ） (2023-06-27T07:27:52Z)
APRIL-GAN: A Zero-/Few-Shot Anomaly Classification and Segmentation Method for CVPR 2023 VAND Workshop Challenge Tracks 1&2: 1st Place on Zero-shot AD and 4th Place on Few-shot AD [21.493718012180643]
本稿では,視覚異常・ノベルティ検出(VAND)2023チャレンジのZero/Few-shot Trackに対する解決策を提案する。提案手法はゼロショットトラックにおいて,特にセグメンテーションにおいて優れていた。数ショットのトラックでは、F1の分類スコアが全参加チームの中で第1位となり、総合4位を確保しました。
論文参考訳（メタデータ） (2023-05-27T06:24:43Z)
1st Place Solutions for UG2+ Challenge 2022 ATMOSPHERIC TURBULENCE MITIGATION [11.380487356442863]
歪んだフレームから高品質な画像を再構成するための統一的なエンドツーエンドフレームワークを提案する。我々のフレームワークは効率的で汎用的であり、ホットエアイメージとテキストパターンの両方に対応しています。テキストパターンの復元結果の平均精度は98.53%に達し、最終リーダーボードで1位となった。
論文参考訳（メタデータ） (2022-10-30T14:11:36Z)
NTIRE 2022 Challenge on Stereo Image Super-Resolution: Methods and Results [116.8625268729599]
NTIREの課題は、標準的なバイコビック劣化下でのステレオ画像超解像問題を目的とした1トラックである。合計238人の参加者が登録され、21チームが最終テストフェーズに出場した。この課題はステレオ画像SRの新しいベンチマークを確立する。
論文参考訳（メタデータ） (2022-04-20T02:55:37Z)
1st Place Solutions for UG2+ Challenge 2021 -- (Semi-)supervised Face detection in the low light condition [13.241328369629453]
UG2+ Challenge in UG2+ Challenge in CVPR 2021 一般的な画像強調法と画像転送法を用いていくつかの実験を行い、より近い領域に低照度画像と正常画像を引き寄せた。テストセットでmAP 74.89を達成し、最終リーダーボードで1位となったモデルをいくつかまとめる。
論文参考訳（メタデータ） (2021-07-02T04:12:23Z)
toon2real: Translating Cartoon Images to Realistic Images [1.4419517737536707]
このタスクを実行するためにいくつかの最先端モデルを適用するが、高品質な翻訳には失敗する。本稿では,漫画領域からフォトリアリスティック領域への画像変換のためのCycleGANモデルに基づく手法を提案する。実験の結果を実証し,提案手法が他の最先端技術であるUNITと比較して最も低いFrechet Inception Distanceスコアと優れた結果を得たことを示す。
論文参考訳（メタデータ） (2021-02-01T20:22:05Z)
NTIRE 2020 Challenge on Image Demoireing: Methods and Results [111.72904895149804]
この課題はCVPR 2020と共同で開かれたNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一部だった。提案手法は, 地上の真理清浄画像と参加者の手法による復元画像とのピーク信号-雑音比(PSNR)を用いて, その忠実度を評価した。
論文参考訳（メタデータ） (2020-05-06T22:05:58Z)
NTIRE 2020 Challenge on Real-World Image Super-Resolution: Methods and Results [148.54397669654958]
本稿は,NTIRE 2020における現実世界の超解像に関する課題を概観する。この課題は、真の高解像度画像と低解像度画像のペアが利用できない現実世界の設定に対処する。合計22チームが最終テストフェーズに出場し、この問題に対する新しい革新的な解決策を実証した。
論文参考訳（メタデータ） (2020-05-05T08:17:04Z)

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。