論文の概要: Global-Local Stepwise Generative Network for Ultra High-Resolution Image Restoration

• arxiv url: http://arxiv.org/abs/2207.08808v2
• Date: Wed, 17 May 2023 15:24:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 21:06:35.620491
• Title: Global-Local Stepwise Generative Network for Ultra High-Resolution Image Restoration
• Title（参考訳）: 超高分解能画像復元のためのグローバルローカルステップワイズ生成ネットワーク
• Authors: Xin Feng, Haobo Ji, Wenjie Pei, Fanglin Chen, Guangming Lu
• Abstract要約: 我々は,Global-Local Stepwise Generative Network(GLSGN)と呼ばれる,超高解像度画像復元のための新しいモデルを提案する。 GLSGNは4つの修復経路、すなわち3つの局所経路と1つのグローバル経路を含む段階的に修復戦略を採用している。 我々は,4,670個の実世界と合成画像からなる反射除去と雨害除去の両面において,これまでに初めて超高解像度データセットを導入した。
• 参考スコア（独自算出の注目度）: 27.238782965065525
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While the research on image background restoration from regular size of degraded images has achieved remarkable progress, restoring ultra high-resolution (e.g., 4K) images remains an extremely challenging task due to the explosion of computational complexity and memory usage, as well as the deficiency of annotated data. In this paper we present a novel model for ultra high-resolution image restoration, referred to as the Global-Local Stepwise Generative Network (GLSGN), which employs a stepwise restoring strategy involving four restoring pathways: three local pathways and one global pathway. The local pathways focus on conducting image restoration in a fine-grained manner over local but high-resolution image patches, while the global pathway performs image restoration coarsely on the scale-down but intact image to provide cues for the local pathways in a global view including semantics and noise patterns. To smooth the mutual collaboration between these four pathways, our GLSGN is designed to ensure the inter-pathway consistency in four aspects in terms of low-level content, perceptual attention, restoring intensity and high-level semantics, respectively. As another major contribution of this work, we also introduce the first ultra high-resolution dataset to date for both reflection removal and rain streak removal, comprising 4,670 real-world and synthetic images. Extensive experiments across three typical tasks for image background restoration, including image reflection removal, image rain streak removal and image dehazing, show that our GLSGN consistently outperforms state-of-the-art methods.
• Abstract（参考訳）: 劣化画像のレギュラーサイズによる画像背景復元の研究は著しい進歩を遂げているが,計算量やメモリ使用量の増加や注釈データの不足などにより,超高解像度(4k)画像の復元は依然として極めて困難な課題である。 本稿では,3つの局所経路と1つの大域経路を含む段階的復元戦略を用いて,超高分解能画像復元のための新しいモデルを提案する。 局所経路は局所的かつ高分解能な画像パッチよりも細粒度の画像復元に焦点をあて、グローバル経路はスケールダウンだが無傷な画像で粗い画像復元を行い、セマンティクスやノイズパターンを含むグローバルビューにおける局所経路の手がかりを提供する。 これらの4つの経路間の相互協調を円滑にするために,我々は低レベルコンテンツ,知覚的注意,回復力,高レベル意味論の4点において,経路間の整合性を確保するように設計されている。 この研究のもうひとつの大きな貢献として,4,670個の実世界と合成画像からなる反射除去と降雨ストリーク除去のための,これまでに初めて超高解像度データセットを導入する。 画像の背景復元のための3つの典型的なタスク(画像の反射除去、画像雨のストレーク除去、画像のデハジング)の広範な実験は、glsgnが最先端の手法を一貫して上回っていることを示している。

関連論文リスト

• Robust GAN inversion [5.1359892878090845]
  本稿では,ネイティブの潜伏空間を$W$で処理し,画像の詳細を復元するためにジェネレータネットワークをチューニングする手法を提案する。 Flickr-Faces-HQ と LSUN Church の2つの複雑なデータセットに対するアプローチの有効性を示す。
  論文  参考訳（メタデータ） (2023-08-31T07:47:11Z)
• All-in-one Multi-degradation Image Restoration Network via Hierarchical Degradation Representation [47.00239809958627]
  我々は新しいオールインワン・マルチデグレーション画像復元ネットワーク(AMIRNet)を提案する。 AMIRNetは、クラスタリングによって木構造を段階的に構築することで、未知の劣化画像の劣化表現を学習する。 この木構造表現は、様々な歪みの一貫性と不一致を明示的に反映しており、画像復元の具体的な手がかりとなっている。
  論文  参考訳（メタデータ） (2023-08-06T04:51:41Z)
• Memory-augmented Deep Unfolding Network for Guided Image Super-resolution [67.83489239124557]
  誘導画像超解像(GISR)は、HR画像の誘導の下で低解像度(LR)目標画像の空間分解能を高めて高解像度(HR)目標画像を得る。 従来のモデルベース手法は主に画像全体を取り、HR目標画像とHRガイダンス画像との事前分布を仮定する。 HR目標画像上で2種類の事前性を持つGISRの最大後部(MAP)推定モデルを提案する。
  論文  参考訳（メタデータ） (2022-02-12T15:37:13Z)
• Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
  空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。 本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
  論文  参考訳（メタデータ） (2021-08-19T11:02:25Z)
• Learning Structral coherence Via Generative Adversarial Network for Single Image Super-Resolution [13.803141755183827]
  近年,GAN(Generative Adversarial Network)に基づくSISR法により,全体の現実的SR画像が得られた。 SRプロセスにおける高分解能勾配図の復元により構造情報を保存するため, 発電機に勾配分岐を導入する。 さらに、U-netベースの判別器を用いて、画像全体と画素ごとの詳細な認証の両方について検討する。
  論文  参考訳（メタデータ） (2021-01-25T15:26:23Z)
• FAN: Frequency Aggregation Network for Real Image Super-resolution [33.30542701042704]
  単一画像超解像(SISR)は、低解像度(LR)入力画像から高解像度(HR)画像を復元することを目的としている。 実世界の超可溶化問題に対処するために,周波数集約ネットワークであるFANを提案する。
  論文  参考訳（メタデータ） (2020-09-30T10:18:41Z)
• Hyperspectral Image Super-resolution via Deep Progressive Zero-centric Residual Learning [62.52242684874278]
  空間情報とスペクトル情報の相互モダリティ分布が問題となる。 本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。 本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
  論文  参考訳（メタデータ） (2020-06-18T06:32:11Z)
• Identity Enhanced Residual Image Denoising [61.75610647978973]
  我々は、アイデンティティマッピングモジュールのチェーンと、画像の復号化のための残像アーキテクチャの残像からなる、完全な畳み込みネットワークモデルを学ぶ。 提案するネットワークは,従来の最先端・CNNアルゴリズムよりも極めて高い数値精度と画像品質を実現している。
  論文  参考訳（メタデータ） (2020-04-26T04:52:22Z)
• Structure-Preserving Super Resolution with Gradient Guidance [87.79271975960764]
  単一画像超解像(SISR)の構造 最近のGAN(Generative Adversarial Network)による研究は、SISRの開発を促進している。 しかし、復元された画像には常に望ましくない構造歪みがある。
  論文  参考訳（メタデータ） (2020-03-29T17:26:58Z)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)

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。