論文の概要: Dual-Scale Single Image Dehazing Via Neural Augmentation

• arxiv url: http://arxiv.org/abs/2209.05913v1
• Date: Tue, 13 Sep 2022 11:56:03 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-14 13:08:24.260504
• Title: Dual-Scale Single Image Dehazing Via Neural Augmentation
• Title（参考訳）: 神経増強によるデュアルスケール単一画像デハジング
• Authors: Zhengguo Li, Chaobing Zheng, Haiyan Shu, Shiqian Wu
• Abstract要約: モデルベースとデータ駆動のアプローチを組み合わせることで,新しい単一画像デハージングアルゴリズムを導入する。 その結果,提案アルゴリズムは実世界および合成ヘイズ画像からヘイズをうまく除去できることが示唆された。
• 参考スコア（独自算出の注目度）: 29.019279446792623
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Model-based single image dehazing algorithms restore haze-free images with sharp edges and rich details for real-world hazy images at the expense of low PSNR and SSIM values for synthetic hazy images. Data-driven ones restore haze-free images with high PSNR and SSIM values for synthetic hazy images but with low contrast, and even some remaining haze for real world hazy images. In this paper, a novel single image dehazing algorithm is introduced by combining model-based and data-driven approaches. Both transmission map and atmospheric light are first estimated by the model-based methods, and then refined by dual-scale generative adversarial networks (GANs) based approaches. The resultant algorithm forms a neural augmentation which converges very fast while the corresponding data-driven approach might not converge. Haze-free images are restored by using the estimated transmission map and atmospheric light as well as the Koschmiederlaw. Experimental results indicate that the proposed algorithm can remove haze well from real-world and synthetic hazy images.
• Abstract（参考訳）: モデルベース単一画像復調アルゴリズムは, 合成ハイズ画像のPSNR値とSSIM値の低さを犠牲にして, シャープエッジとリッチディテールでヘイズフリー画像を復元する。 データ駆動型画像は、合成ヘイズ画像に対して高いPSNR値とSSIM値を持つヘイズフリー画像を復元するが、コントラストは低い。 本稿では,モデルに基づくアプローチとデータ駆動アプローチを組み合わせた,新しい単一画像デハジングアルゴリズムを提案する。 送信マップと大気光の両方は、まずモデルに基づく手法により推定され、次に2次元生成逆数ネットワーク(GAN)に基づくアプローチによって精製される。 結果のアルゴリズムは、対応するデータ駆動アプローチが収束しない間に非常に高速に収束する神経増強を形成する。 ヘイズフリー画像は、推定送信マップと大気光とコシェミダーローを用いて復元される。 実験結果から,提案アルゴリズムは実世界および合成ヘイズ画像からヘイズをうまく除去できることが示された。

関連論文リスト

• Gadolinium dose reduction for brain MRI using conditional deep learning [66.99830668082234]
  これらの手法の主な課題は、コントラスト強調の正確な予測と現実的な画像の合成である。 コントラスト前の画像対とコントラスト後の画像対のサブトラクション画像に符号化されたコントラスト信号を利用することで、両課題に対処する。 各種スキャナー,フィールド強度,コントラストエージェントを用いた合成および実データ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） (2024-03-06T08:35:29Z)
• ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
  この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。 提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。 提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
  論文  参考訳（メタデータ） (2023-07-15T04:48:35Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• Dehazing-NeRF: Neural Radiance Fields from Hazy Images [13.92247691561793]
  画像入力からNRFを除去する手法であるDehazing-NeRFを提案する。 本研究では,大気散乱モデルを用いて,ハズ画像の物理像化過程をシミュレートする。 画像のデハージングと新しいビュー合成の両方において、単一像のデハージングとNeRFの単純な組み合わせよりも優れる。
  論文  参考訳（メタデータ） (2023-04-22T17:09:05Z)
• Model-Based Single Image Deep Dehazing [20.39952114471173]
  モデルベースおよびデータ駆動アプローチを融合させることにより,新しい単一画像デハージングアルゴリズムを導入する。 実験結果から,提案アルゴリズムは実世界のヘイズ画像や合成ヘイズ画像からヘイズをうまく除去できることが示唆された。
  論文  参考訳（メタデータ） (2021-11-22T01:57:51Z)
• Single image dehazing via combining the prior knowledge and CNNs [6.566615606042994]
  本稿では,従来の知識と深層学習を組み合わせることで,欠陥の低減を図るために,エンドツーエンドシステムを提案する。 実験により,提案手法は既存手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2021-11-10T14:18:25Z)
• Non-Homogeneous Haze Removal via Artificial Scene Prior and Bidimensional Graph Reasoning [52.07698484363237]
  本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。 本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2021-04-05T13:04:44Z)
• Advanced Multiple Linear Regression Based Dark Channel Prior Applied on Dehazing Image and Generating Synthetic Haze [0.6875312133832078]
  筆者らは,ダークチャネル・プリアー(dark channel prior)というデヘイジングアルゴリズムに基づく多重線形回帰ヘイズ除去モデルを提案する。 湿潤環境における物体検出精度を高めるため, 著者らは, 合成湿潤COCOトレーニングデータセットを構築するアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-03-12T03:32:08Z)
• Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
  小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。 本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。 提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
  論文  参考訳（メタデータ） (2020-07-04T08:23:07Z)
• FD-GAN: Generative Adversarial Networks with Fusion-discriminator for Single Image Dehazing [48.65974971543703]
  画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。 我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。 実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
  論文  参考訳（メタデータ） (2020-01-20T04:36:11Z)

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。