Fugu-MT 論文翻訳(概要): Study on Image Filtering -- Techniques, Algorithm and Applications

論文の概要: Study on Image Filtering -- Techniques, Algorithm and Applications

arxiv url: http://arxiv.org/abs/2207.06481v1
Date: Sat, 4 Jun 2022 15:54:21 GMT
ステータス: 処理完了
システム内更新日: 2023-02-10 17:52:12.077016
Title: Study on Image Filtering -- Techniques, Algorithm and Applications
Title（参考訳）: 画像フィルタリングに関する研究 --技術・アルゴリズム・応用-
Authors: Bhishman Desai, Manish Paliwal, Kapil Kumar Nagwanshi
Abstract要約: 画像フィルタリングは、サイズ、形状、色、深さ、滑らかさ、その他の画像特性を変更する技術である。本稿では,様々な画像フィルタリング手法とその幅広い応用について紹介する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image processing is one of the most immerging and widely growing techniques making it a lively research field. Image processing is converting an image to a digital format and then doing different operations on it, such as improving the image or extracting various valuable data. Image filtering is one of the fascinating applications of image processing. Image filtering is a technique for altering the size, shape, color, depth, smoothness, and other image properties. It alters the pixels of the image to transform it into the desired form using different types of graphical editing methods through graphic design and editing software. This paper introduces various image filtering techniques and their wide applications.
Abstract（参考訳）: 画像処理は最も没入的かつ広く成長している技術の1つであり、活発な研究分野となっている。画像処理は、画像をデジタルフォーマットに変換し、画像の改善やさまざまな貴重なデータの抽出など、さまざまな操作を行う。画像フィルタリングは画像処理の興味深い応用の1つだ。イメージフィルタリングは、サイズ、形状、色、深さ、滑らかさ、その他の画像特性を変更する技術である。画像のピクセルを変えて、グラフィックデザインと編集ソフトウェアを通じて、異なるタイプのグラフィカルな編集方法を用いて、所望の形式に変換する。本稿では,様々な画像フィルタリング技術とその応用について紹介する。

関連論文リスト

Improving Image Tracing with Convolutional Autoencoders by High-Pass Filter Preprocessing [0.6367279911825442]
本研究では,画像の抽象表現を抽出するために,ハイパスフィルタリング,オートエンコーディング,ベクトル化などの処理手法を検討する。結果によると、オートエンコーダで画像を再構築し、ハイパスフィルタリングし、ベクター化することで、ベクター化プロセスの有効性を高めながら、画像をより抽象的に表現することができる。
論文参考訳（メタデータ） (2023-06-15T10:59:29Z)
Speckle2Speckle: Unsupervised Learning of Ultrasound Speckle Filtering Without Clean Data [48.81200490360736]
超音波画像では、組織の均質領域の出現はスペックルの対象となる。従来のフィルタリング技術の多くは手作りであり、しばしば現在のハードウェア、撮像方式、アプリケーションに微調整する必要がある。本稿では,これらの制約を伴わない深層学習に基づくスペックル除去手法を提案する。
論文参考訳（メタデータ） (2022-07-31T09:17:32Z)
WISE: Whitebox Image Stylization by Example-based Learning [0.22835610890984162]
画像に基づく芸術的レンダリングは、アルゴリズムによる画像フィルタリングを用いて様々な表現スタイルを合成することができる。本稿では,多種多様なスタイリング手法を扱える実例に基づく画像処理システムを提案する。本手法は,画像から画像への変換のために,スタイル・トランスファー・フレームワークで最適化したり,生成的・逆条件で学習することができる。
論文参考訳（メタデータ） (2022-07-29T10:59:54Z)
Learning Diverse Tone Styles for Image Retouching [73.60013618215328]
本稿では,フローベースアーキテクチャの標準化により,多様な画像のリタッチを学習することを提案する。ジョイントトレーニングパイプラインは、スタイルエンコーダ、条件付きRetouchNet、イメージトーンスタイル正規化フロー(TSFlow)モジュールで構成される。提案手法は最先端の手法に対して良好に動作し,多様な結果を生成するのに有効である。
論文参考訳（メタデータ） (2022-07-12T09:49:21Z)
Controllable Image Enhancement [66.18525728881711]
いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
論文参考訳（メタデータ） (2022-06-16T23:54:53Z)
Deep Attentional Guided Image Filtering [90.20699804116646]
ガイドフィルターはコンピュータビジョンとコンピュータグラフィックスの基本的なツールである。本稿では,Deep attentional guided image filtering という効果的なフレームワークを提案する。提案手法は,多種多様な画像フィルタリングアプリケーションにおいて,最先端の手法と良好に比較できることを示す。
論文参考訳（メタデータ） (2021-12-13T03:26:43Z)
Image Inpainting using Partial Convolution [0.3441021278275805]
本研究の目的は,部分的畳み込み層を用いた頑健な深層学習手法を用いて画像の塗り込みを行うことである。様々な応用において、画像は、劣化した、失われた、または望ましくない情報の存在によって、しばしばノイズによって劣化する。
論文参考訳（メタデータ） (2021-08-19T17:01:27Z)
TransFill: Reference-guided Image Inpainting by Merging Multiple Color and Spatial Transformations [35.9576572490994]
本稿では,対象画像とシーン内容を共有する別のソース画像を参照して,穴を埋めるマルチホモグラフィ変換核融合法であるtransfillを提案する。色を調整し、各ホモグラフィー歪んだソースイメージにピクセルレベルのワーピングを適用して、ターゲットとの整合性を高めることを学びます。本手法は,多種多様なベースラインと色差にまたがる画像対の最先端性能を実現し,ユーザ提供画像対に一般化する。
論文参考訳（メタデータ） (2021-03-29T22:45:07Z)
Deep Image Compositing [93.75358242750752]
ユーザ入力なしで高品質の画像合成を自動生成する手法を提案する。ラプラシアン・ピラミッド・ブレンディングにインスパイアされ、フォアグラウンドや背景画像からの情報を効果的に融合させるために、密結合型多ストリーム融合ネットワークが提案されている。実験により,提案手法は高品質な合成物を自動生成し,定性的かつ定量的に既存手法より優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2020-11-04T06:12:24Z)
Deep Photo Cropper and Enhancer [65.11910918427296]
画像に埋め込まれた画像を収穫する新しいタイプの画像強調問題を提案する。提案手法をディープ・フォト・クリーパーとディープ・イメージ・エンハンサーの2つのディープ・ネットワークに分割した。フォトクロッパーネットワークでは,埋め込み画像の抽出に空間変換器を用いる。フォトエンハンサーでは、埋め込み画像中の画素数を増やすために超解像を用いる。
論文参考訳（メタデータ） (2020-08-03T03:50:20Z)
DeepLPF: Deep Local Parametric Filters for Image Enhancement [12.515536526953127]
本稿では,3種類の空間的局所フィルタを用いて,画像の自動強調手法を提案する。 DeepLPFは、これらの空間的局所化フィルタのパラメータを回帰し、画像を強化するために自動的に適用する。我々は、複数のベンチマークを報告し、DeepLPFがMIT-Adobe-5Kデータセットの2つの変種に対して最先端のパフォーマンスを生成することを示す。
論文参考訳（メタデータ） (2020-03-31T06:51:21Z)

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。