Fugu-MT 論文翻訳(概要): 2nd Place Solutions for UG2+ Challenge 2022 -- D$^{3}$Net for Mitigating Atmospheric Turbulence from Images

論文の概要: 2nd Place Solutions for UG2+ Challenge 2022 -- D$^{3}$Net for Mitigating Atmospheric Turbulence from Images

arxiv url: http://arxiv.org/abs/2208.12332v1
Date: Thu, 25 Aug 2022 20:20:09 GMT
ステータス: 処理完了
システム内更新日: 2022-08-29 12:49:22.894313
Title: 2nd Place Solutions for UG2+ Challenge 2022 -- D$^{3}$Net for Mitigating Atmospheric Turbulence from Images
Title（参考訳）: 2位 ug2+ challenge 2022 -- d$^{3}$net による画像からの大気乱流の緩和
Authors: Sunder Ali Khowaja, Ik Hyun Lee, Jiseok Yoon
Abstract要約: D$3$Netは、CVPR 2022のUG2+$ Challengeにおける大気乱流緩和のために、我々のチーム「TUK-IK」によって提案された。提案手法は, テストフェーズにおいて, 上記の課題の最終リーダーボードにそれぞれ2位にランクインした。
参考スコア（独自算出の注目度）: 5.092028049119383
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: This technical report briefly introduces to the D$^{3}$Net proposed by our team "TUK-IKLAB" for Atmospheric Turbulence Mitigation in $UG2^{+}$ Challenge at CVPR 2022. In the light of test and validation results on textual images to improve text recognition performance and hot-air balloon images for image enhancement, we can say that the proposed method achieves state-of-the-art performance. Furthermore, we also provide a visual comparison with publicly available denoising, deblurring, and frame averaging methods with respect to the proposed work. The proposed method ranked 2nd on the final leader-board of the aforementioned challenge in the testing phase, respectively.
Abstract（参考訳）: 本稿では, CVPR 2022における大気乱流緩和のためのD$^{3}$Netについて, CVPR 2022におけるD$UG2^{+}$ Challengeについて紹介する。画像強調のためのテキスト認識性能と熱気球画像を改善するためのテキスト画像の試験と検証の結果から,提案手法は最先端の性能を達成していると言える。さらに,提案手法について,一般に公開されているデノベーション,デブロアリング,フレーム平均化手法と視覚的比較を行った。提案手法は, テストフェーズにおいて, 上記の課題の最終リーダーボードにそれぞれ2位にランクインした。

関連論文リスト

Commonsense-T2I Challenge: Can Text-to-Image Generation Models Understand Commonsense? [97.0899853256201]
本稿では,実生活におけるコモンセンスと整合した画像を生成するためのテキスト・ツー・イメージ生成モデルの能力を評価するための新しいタスクとベンチマークを提案する。我々は、T2Iモデルが、例えば「電球は無光である」と「電球は無光である」というようなイメージを生成できるかどうかを評価する。さまざまな最先端(ソータ)のT2Iモデルをベンチマークした結果、画像合成と実写写真の間にはまだ大きなギャップがあることがわかった。
論文参考訳（メタデータ） (2024-06-11T17:59:48Z)
Technical Report for CVPR 2024 WeatherProof Dataset Challenge: Semantic Segmentation on Paired Real Data [9.128113804878959]
この課題は、世界中の様々な天候によって劣化した画像のセマンティックセグメンテーションを目標とする。我々は、インターンイメージ(InternImage)という訓練済みの大規模視覚基盤モデルを導入し、異なるレベルのノイズを持つ画像を用いて訓練した。その結果、45.1mIOUで2位となり、他の優勝者より少なかった。
論文参考訳（メタデータ） (2024-06-09T17:08:07Z)
1st Solution Places for CVPR 2023 UG$^{\textbf{2}}$+ Challenge Track 2.1-Text Recognition through Atmospheric Turbulence [13.393698451466689]
CVPR 2023 UG$2$+チャレンジのトラック2.1における大気乱流によるテキスト認識のためのVIELab-HUSTの開発したソリューションを提案する。本フレームワークは,最終テストフェーズで提供されるホットエアテキストデータセットと乱流テキストデータセットの両方を処理し,テキスト認識精度において第1位を達成した。
論文参考訳（メタデータ） (2023-06-15T08:56:51Z)
SAR2EO: A High-resolution Image Translation Framework with Denoising Enhancement [10.11898520476921]
本稿では,低解像度画像から高解像度画像への変換を実現するためのフレームワークであるSAR2EOを提案する。まず、高品質なEO画像を生成するために、粗大な発電機、マルチスケールの判別器、およびピクセル2pixHDモデルにおける対向損失を改善する。次に,SAR画像のノイズを除去するデノナイジングモジュールを導入し,画像の構造情報を保存しながらノイズを抑制する。
論文参考訳（メタデータ） (2023-04-08T03:39:51Z)
1st Place Solutions for UG2+ Challenge 2022 ATMOSPHERIC TURBULENCE MITIGATION [11.380487356442863]
歪んだフレームから高品質な画像を再構成するための統一的なエンドツーエンドフレームワークを提案する。我々のフレームワークは効率的で汎用的であり、ホットエアイメージとテキストパターンの両方に対応しています。テキストパターンの復元結果の平均精度は98.53%に達し、最終リーダーボードで1位となった。
論文参考訳（メタデータ） (2022-10-30T14:11:36Z)
AIM 2022 Challenge on Instagram Filter Removal: Methods and Results [66.98814754338841]
本稿では,Instagramフィルタ除去におけるAIM 2022チャレンジの方法と結果を紹介する。この課題の主な目的は、コンテンツを保存する際に適用されたフィルタの影響を緩和する、現実的で視覚的に可視な画像を作ることである。ベースラインとしてこのタスクに関する2つの先行研究があり、チャレンジの最終段階では合計9つのチームが競い合っています。
論文参考訳（メタデータ） (2022-10-17T12:21:59Z)
1st Place Solutions for UG2+ Challenge 2021 -- (Semi-)supervised Face detection in the low light condition [13.241328369629453]
UG2+ Challenge in UG2+ Challenge in CVPR 2021 一般的な画像強調法と画像転送法を用いていくつかの実験を行い、より近い領域に低照度画像と正常画像を引き寄せた。テストセットでmAP 74.89を達成し、最終リーダーボードで1位となったモデルをいくつかまとめる。
論文参考訳（メタデータ） (2021-07-02T04:12:23Z)
NTIRE 2021 Challenge on Burst Super-Resolution: Methods and Results [116.77874476501913]
ノイズバーストが入力として与えられると、課題は解像度が4倍のクリーンなRGB画像を生成することだった。この課題には、2つのトラックが含まれており、Track 1は合成されたデータに基づいて評価し、Track 2はモバイルカメラから現実世界のバーストを使用する。最高性能の手法は、バースト超分解能タスクのための新しい最先端技術を設定した。
論文参考訳（メタデータ） (2021-06-07T17:55:28Z)
NTIRE 2020 Challenge on Real Image Denoising: Dataset, Methods and Results [181.2861509946241]
本稿は、新たに導入されたデータセットに焦点をあてて、実画像の復調に関するNTIRE 2020の課題をレビューする。課題は、SIDDベンチマークに基づく実際の画像のデノゲーションに関する以前のNTIRE 2019チャレンジの新バージョンである。
論文参考訳（メタデータ） (2020-05-08T15:46:19Z)
Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
論文参考訳（メタデータ） (2020-05-06T13:37:08Z)
NTIRE 2020 Challenge on Real-World Image Super-Resolution: Methods and Results [148.54397669654958]
本稿は,NTIRE 2020における現実世界の超解像に関する課題を概観する。この課題は、真の高解像度画像と低解像度画像のペアが利用できない現実世界の設定に対処する。合計22チームが最終テストフェーズに出場し、この問題に対する新しい革新的な解決策を実証した。
論文参考訳（メタデータ） (2020-05-05T08:17:04Z)

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。