論文の概要: AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models

• arxiv url: http://arxiv.org/abs/2208.11284v1
• Date: Wed, 24 Aug 2022 03:13:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-25 12:48:21.746849
• Title: AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using Denoising Diffusion Probabilistic Models
• Title（参考訳）: AT-DDPM:デノイング拡散確率モデルによる大気乱流による復元面の劣化
• Authors: Nithin Gopalakrishnan Nair, Kangfu Mei, Vishal M Patel
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 64.24948495708337
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Although many long-range imaging systems are designed to support extended vision applications, a natural obstacle to their operation is degradation due to atmospheric turbulence. Atmospheric turbulence causes significant degradation to image quality by introducing blur and geometric distortion. In recent years, various deep learning-based single image atmospheric turbulence mitigation methods, including CNN-based and GAN inversion-based, have been proposed in the literature which attempt to remove the distortion in the image. However, some of these methods are difficult to train and often fail to reconstruct facial features and produce unrealistic results especially in the case of high turbulence. Denoising Diffusion Probabilistic Models (DDPMs) have recently gained some traction because of their stable training process and their ability to generate high quality images. In this paper, we propose the first DDPM-based solution for the problem of atmospheric turbulence mitigation. We also propose a fast sampling technique for reducing the inference times for conditional DDPMs. Extensive experiments are conducted on synthetic and real-world data to show the significance of our model. To facilitate further research, all codes and pretrained models will be made public after the review process.
• Abstract（参考訳）: 多くの長距離撮像システムは拡張視覚アプリケーションをサポートするよう設計されているが、その運用の自然な障害は大気乱流による劣化である。 大気乱流はぼやけや幾何学的歪みを導入することで画質を著しく低下させる。 近年,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の大気乱流緩和手法が,画像の歪みを除去しようとする文献で提案されている。 しかし、これらの方法のいくつかは訓練が困難であり、しばしば顔の特徴の再構築に失敗し、特に高乱流の場合、非現実的な結果をもたらす。 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。 本稿では,大気乱流緩和問題に対するddpmに基づく最初の解を提案する。 また,条件付きDDPMの推論時間を短縮する高速サンプリング手法を提案する。 本モデルの重要性を示すために, 合成データと実世界データを用いて広範な実験を行った。 さらなる研究を容易にするため、レビュープロセス後にすべてのコードと事前訓練されたモデルを公開します。

関連論文リスト

• How to Augment for Atmospheric Turbulence Effects on Thermal Adapted Object Detection Models? [1.534667887016089]
  大気の乱流は物体検出モデルの性能に重大な課題をもたらす。 本稿では, 熱適応型および深層学習に基づく物体検出モデルの精度とロバスト性を向上させるため, 乱流画像強調手法の有効性について検討する。
  論文  参考訳（メタデータ） (2024-05-10T10:44:29Z)
• Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
  拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。 本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
  論文  参考訳（メタデータ） (2023-06-01T03:08:28Z)
• Atmospheric Turbulence Correction via Variational Deep Diffusion [23.353013333671335]
  拡散モデルは、フォトリアリスティック画像合成などにおいて素晴らしい成果を上げている。 本研究では,大気乱流補正問題の解法として,変分推論に基づく新しい深部拡散モデルを提案する。
  論文  参考訳（メタデータ） (2023-05-08T22:35:07Z)
• ShiftDDPMs: Exploring Conditional Diffusion Models by Shifting Diffusion Trajectories [144.03939123870416]
  本稿では,前処理に条件を導入することで,新しい条件拡散モデルを提案する。 いくつかのシフト規則に基づいて各条件に対して排他的拡散軌跡を割り当てるために、余剰潜在空間を用いる。 我々は textbfShiftDDPMs と呼ぶメソッドを定式化し、既存のメソッドの統一的な視点を提供する。
  論文  参考訳（メタデータ） (2023-02-05T12:48:21Z)
• 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)
• Image Reconstruction of Static and Dynamic Scenes through Anisoplanatic Turbulence [1.6114012813668934]
  静的および動的シーケンスの両方で大気乱流を緩和する統一的な手法を提案する。 我々は,新しい時空間非局所平均化手法を用いることで,既存手法と比較して優れた結果を得ることができる。
  論文  参考訳（メタデータ） (2020-08-31T19:20:46Z)
• 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。