論文の概要: Learning to restore images degraded by atmospheric turbulence using uncertainty

• arxiv url: http://arxiv.org/abs/2207.03447v1
• Date: Thu, 7 Jul 2022 17:24:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-08 15:01:36.284720
• Title: Learning to restore images degraded by atmospheric turbulence using uncertainty
• Title（参考訳）: 不確実性を利用した大気乱流劣化画像の復元学習
• Authors: Rajeev Yasarla and Vishal M. Patel
• Abstract要約: 大気の乱流は、長距離イメージングシステムによって取得された画像の品質を著しく低下させることができる。 本研究では,大気乱流により劣化した1つの画像の復元のための深層学習に基づくアプローチを提案する。
• 参考スコア（独自算出の注目度）: 93.72048616001064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Atmospheric turbulence can significantly degrade the quality of images acquired by long-range imaging systems by causing spatially and temporally random fluctuations in the index of refraction of the atmosphere. Variations in the refractive index causes the captured images to be geometrically distorted and blurry. Hence, it is important to compensate for the visual degradation in images caused by atmospheric turbulence. In this paper, we propose a deep learning-based approach for restring a single image degraded by atmospheric turbulence. We make use of the epistemic uncertainty based on Monte Carlo dropouts to capture regions in the image where the network is having hard time restoring. The estimated uncertainty maps are then used to guide the network to obtain the restored image. Extensive experiments are conducted on synthetic and real images to show the significance of the proposed work. Code is available at : https://github.com/rajeevyasarla/AT-Net
• Abstract（参考訳）: 大気乱流は、大気の屈折率の空間的および時間的ランダムな変動を引き起こすことにより、長距離イメージングシステムによって取得される画像の品質を著しく低下させることができる。 屈折率の変化は、撮像された画像が幾何学的に歪んでぼやけてしまう。 したがって、大気乱流による画像の視覚的劣化を補うことが重要である。 本稿では,大気の乱流により劣化した1つの画像の復元のための深層学習に基づくアプローチを提案する。 我々はモンテカルロの落下点に基づくてんかんの不確実性を利用して、ネットワークの回復が困難な画像中の領域を捉えている。 推定の不確かさマップは、復元された画像を得るためにネットワークを誘導するために使用される。 提案手法の意義を示すために,合成画像と実画像を用いた広範な実験を行った。 コードはhttps://github.com/rajeevyasarla/AT-Netで入手できる。

関連論文リスト

• Zero shot framework for satellite image restoration [25.163783640750573]
  衛星画像復元のための歪み分散と知識蒸留の枠組みを提案する。 我々のアルゴリズムでは、歪みした衛星画像の復元と、類似した意味を持つ参照画像の2つの画像しか必要としない。
  論文  参考訳（メタデータ） (2023-06-05T14:34:58Z)
• AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models [64.24948495708337]
  大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。 CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。 Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
  論文  参考訳（メタデータ） (2022-08-24T03:13:04Z)
• Single Frame Atmospheric Turbulence Mitigation: A Benchmark Study and A New Physics-Inspired Transformer Model [82.23276183684001]
  本研究では,大気乱流の画像化のための物理インスピレーション付き変圧器モデルを提案する。 提案ネットワークは変圧器ブロックのパワーを利用して動的乱流歪みマップを共同で抽出する。 そこで本研究では,従来の客観的指標と,テキスト認識精度を用いたタスク駆動計測の両方で評価可能な,実世界の乱流データセットを新たに2つ提示する。
  論文  参考訳（メタデータ） (2022-07-20T17:09:16Z)
• Thermal to Visible Image Synthesis under Atmospheric Turbulence [67.99407460140263]
  バイオメトリックスや監視では、低照度と夜間の条件下での撮像に熱画像モダリティがしばしば用いられる。 このような画像システムは、しばしば大気の乱れに悩まされ、撮像された画像に激しいぼやけや変形のアーチファクトをもたらす。 熱画像を直接可視光画像に変換するエンド・ツー・エンドの再構成法を提案する。
  論文  参考訳（メタデータ） (2022-04-06T19:47:41Z)
• LTT-GAN: Looking Through Turbulence by Inverting GANs [86.25869403782957]
  本稿では,よく訓練されたGANによってカプセル化された視覚的事前情報を利用した最初の乱流緩和手法を提案する。 視覚的先行性に基づき、周期的な文脈距離で復元された画像の同一性を維持することを学ぶことを提案する。 本手法は, 回復した結果の視覚的品質と顔認証精度の両方において, 先行技術よりも優れていた。
  論文  参考訳（メタデータ） (2021-12-04T16:42:13Z)
• Learning to Restore a Single Face Image Degraded by Atmospheric Turbulence using CNNs [93.72048616001064]
  このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。 乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
  論文  参考訳（メタデータ） (2020-07-16T15:25:08Z)

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。