論文の概要: Towards Real-time High-Definition Image Snow Removal: Efficient Pyramid
Network with Asymmetrical Encoder-decoder Architecture
- arxiv url: http://arxiv.org/abs/2207.05605v1
- Date: Tue, 12 Jul 2022 15:18:41 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-13 14:31:28.996254
- Title: Towards Real-time High-Definition Image Snow Removal: Efficient Pyramid
Network with Asymmetrical Encoder-decoder Architecture
- Title（参考訳）: リアルタイム高精細画像除雪に向けて:非対称エンコーダデコーダアーキテクチャを用いた効率的なピラミッドネットワーク
- Authors: Tian Ye, Sixiang Chen, Yun Liu, Yi Ye, Erkang Chen
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 6.682410871522934
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In winter scenes, the degradation of images taken under snow can be pretty
complex, where the spatial distribution of snowy degradation is varied from
image to image. Recent methods adopt deep neural networks to directly recover
clean scenes from snowy images. However, due to the paradox caused by the
variation of complex snowy degradation, achieving reliable High-Definition
image desnowing performance in real time is a considerable challenge. We
develop a novel Efficient Pyramid Network with asymmetrical encoder-decoder
architecture for real-time HD image desnowing. The general idea of our proposed
network is to utilize the multi-scale feature flow fully and implicitly mine
clean cues from features. Compared with previous state-of-the-art desnowing
methods, our approach achieves a better complexity-performance trade-off and
effectively handles the processing difficulties of HD and Ultra-HD images.
The extensive experiments on three large-scale image desnowing datasets
demonstrate that our method surpasses all state-of-the-art approaches by a
large margin both quantitatively and qualitatively, boosting the PSNR metric
from 31.76 dB to 34.10 dB on the CSD test dataset and from 28.29 dB to 30.87 dB
on the SRRS test dataset.
- Abstract（参考訳）: 冬季の場面では、積雪下で撮影された画像の劣化はかなり複雑であり、雪の劣化の空間分布は画像によって異なる。
近年の手法では,積雪画像から直接クリーンなシーンを復元するディープニューラルネットワークを採用している。
しかし, 複雑な積雪劣化の変動によるパラドックスのため, 実時間における高精細画像の信頼性を実現することは大きな課題である。
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。
提案するネットワークの一般的な考え方は,機能からクリーンな手がかりを暗黙的に抽出するマルチスケール機能フローを活用することである。
従来の最先端デノベート手法と比較して,本手法はより複雑な処理性能のトレードオフを実現し,HDおよびUltra-HD画像の処理困難を効果的に処理する。
3つの大規模画像認識データセットに対する広範な実験により、我々の手法は、定量化と定性的化の両方で最先端のアプローチをすべて上回り、PSNRのメトリックは、CSDテストデータセットでは31.76dBから34.10dB、SRRSテストデータセットでは28.29dBから30.87dBに増加した。
関連論文リスト
- 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) - ReconFusion: 3D Reconstruction with Diffusion Priors [104.73604630145847]
本稿では,数枚の写真を用いて現実のシーンを再構成するReconFusionを提案する。
提案手法は,合成および多視点データセットに基づいて訓練された新規なビュー合成に先立って拡散を利用する。
本手法は,観測領域の外観を保ちながら,非拘束領域における現実的な幾何学とテクスチャを合成する。
論文 参考訳（メタデータ） (2023-12-05T18:59:58Z) - ConsistentNeRF: Enhancing Neural Radiance Fields with 3D Consistency for
Sparse View Synthesis [99.06490355990354]
本研究では,深度情報を利用して画素間のマルチビューとシングルビューの3D整合性を調整する手法であるConsistentNeRFを提案する。
提案手法は,PSNRが94%,SSIMが31%,LPIPSが31%,疎視条件下でのモデル性能を大幅に向上させることができる。
論文 参考訳（メタデータ） (2023-05-18T15:18:01Z) - SnowFormer: Scale-aware Transformer via Context Interaction for Single
Image Desnowing [9.747362856056162]
本研究では,SnowFormerと呼ばれる強力なアーキテクチャを提案する。
エンコーダでスケール対応の特徴集約を行い、様々な劣化の豊富な雪情報をキャプチャする。
また、デコーダに新しいコンテキストインタラクショントランスフォーマーブロック(Context Interaction Transformer Block)を使用し、ローカル詳細とグローバル情報のコンテキストインタラクションを実行する。
論文 参考訳（メタデータ） (2022-08-20T15:01:09Z) - MSP-Former: Multi-Scale Projection Transformer for Single Image
Desnowing [6.22867695581195]
1枚の画像から雪を除去する作業に視覚変換器を適用した。
チャネルに沿って分割された並列ネットワークアーキテクチャを提案し、局所的な特徴改善とグローバルな情報モデリングを別々に行う。
実験では,本手法の優位性を示すため,広範囲な実験を行った。
論文 参考訳（メタデータ） (2022-07-12T15:44:07Z) - Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image
Denoising [50.039949798156826]
本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。
ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。
次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
論文 参考訳（メタデータ） (2022-07-09T13:35:12Z) - Towards Efficient Single Image Dehazing and Desnowing [6.052434200703146]
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。
論文 参考訳（メタデータ） (2022-04-19T13:51:02Z) - Perceiving and Modeling Density is All You Need for Image Dehazing [10.864016211811025]
現実の世界では、ヘイズの下で撮影された画像の劣化は非常に複雑である。
近年の手法では、深層ニューラルネットワークを用いて、ぼんやりとした画像から直接クリーンなシーンを復元している。
本研究では,不均一なヘイズ分布に対する密度の知覚とモデル化により,実世界のヘイズ劣化をモデル化する問題を解くことを提案する。
論文 参考訳（メタデータ） (2021-11-18T14:47:41Z) - HDRUNet: Single Image HDR Reconstruction with Denoising and
Dequantization [39.82945546614887]
本研究では,空間動的エンコーダデコーダネットワークであるHDRUNetを用いて,単一画像HDR再構成のためのエンドツーエンドマッピングを学習する。
本手法は,定量的比較と視覚的品質において最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-05-27T12:12:34Z) - Real Image Super Resolution Via Heterogeneous Model Ensemble using
GP-NAS [63.48801313087118]
本稿では,高密度スキップ接続を有するディープ残差ネットワークを用いた画像超解像法を提案する。
提案手法は、AIM 2020 Real Image Super-Resolution Challengeの3トラックで1位を獲得した。
論文 参考訳（メタデータ） (2020-09-02T22:33:23Z) - Attention Based Real Image Restoration [48.933507352496726]
深層畳み込みニューラルネットワークは、合成劣化を含む画像に対してより良い性能を発揮する。
本稿では,新しい1段ブラインド実画像復元ネットワーク(R$2$Net)を提案する。
論文 参考訳（メタデータ） (2020-04-26T04:21:49Z)
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。