論文の概要: Rethinking Blur Synthesis for Deep Real-World Image Deblurring

• arxiv url: http://arxiv.org/abs/2209.13866v1
• Date: Wed, 28 Sep 2022 06:50:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-29 17:14:03.905574
• Title: Rethinking Blur Synthesis for Deep Real-World Image Deblurring
• Title（参考訳）: 深部実世界の画像劣化に対するBlur合成の再考
• Authors: Hao Wei, Chenyang Ge, Xin Qiao, Pengchao Deng
• Abstract要約: 本稿では,撮影過程をシミュレートする,新しいリアルなボケ合成パイプラインを提案する。 機能領域における非局所的依存関係と局所的コンテキストを同時にキャプチャする効果的なデブロアリングモデルを開発する。 3つの実世界のデータセットに関する総合的な実験により、提案したデブロアリングモデルは最先端の手法よりも優れた性能を示した。
• 参考スコア（独自算出の注目度）: 4.00114307523959
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we examine the problem of real-world image deblurring and take into account two key factors for improving the performance of the deep image deblurring model, namely, training data synthesis and network architecture design. Deblurring models trained on existing synthetic datasets perform poorly on real blurry images due to domain shift. To reduce the domain gap between synthetic and real domains, we propose a novel realistic blur synthesis pipeline to simulate the camera imaging process. As a result of our proposed synthesis method, existing deblurring models could be made more robust to handle real-world blur. Furthermore, we develop an effective deblurring model that captures non-local dependencies and local context in the feature domain simultaneously. Specifically, we introduce the multi-path transformer module to UNet architecture for enriched multi-scale features learning. A comprehensive experiment on three real-world datasets shows that the proposed deblurring model performs better than state-of-the-art methods.
• Abstract（参考訳）: 本稿では,実世界の画像デブラリングの問題点を考察し,深部画像デブラリングモデルの性能向上のための2つの重要な要因,すなわちトレーニングデータ合成とネットワークアーキテクチャ設計について考察する。 既存の合成データセットでトレーニングされたデブラリングモデルは、ドメインシフトによる実際のぼやけた画像ではパフォーマンスが悪い。 合成領域と実領域の間の領域ギャップを低減するため,カメラ撮像過程をシミュレートする新しいリアルなぼかし合成パイプラインを提案する。 提案手法により,既存のデブロワーリングモデルをより堅牢にすることで,現実世界のぼかしを扱うことができる。 さらに,機能領域における非局所的依存関係と局所的コンテキストを同時にキャプチャする効果的なデブロアリングモデルを開発する。 具体的には,マルチスケール機能学習のためのunetアーキテクチャにマルチパストランスフォーマーモジュールを導入する。 実世界の3つのデータセットに関する包括的実験により,提案手法は最先端手法よりも優れた性能を示す。

関連論文リスト

• Teacher-Student Network for Real-World Face Super-Resolution with Progressive Embedding of Edge Information [2.280954956645056]
  実データと合成データの領域ギャップを考慮した,実世界の顔超解像教師学生モデルを提案する。 提案手法は,実世界のFSRにおいて,高品質な顔画像を得るための最先端手法を超越した手法である。
  論文  参考訳（メタデータ） (2024-05-08T02:48:52Z)
• Is Synthetic Image Useful for Transfer Learning? An Investigation into Data Generation, Volume, and Utilization [62.157627519792946]
  ブリッジドトランスファー(ブリッジドトランスファー)と呼ばれる新しいフレームワークを導入する。このフレームワークは、当初、トレーニング済みモデルの微調整に合成画像を使用し、転送性を向上させる。 合成画像と実画像のスタイルアライメントを改善するために,データセットスタイルの逆変換方式を提案する。 提案手法は10の異なるデータセットと5つの異なるモデルで評価され、一貫した改善が示されている。
  論文  参考訳（メタデータ） (2024-03-28T22:25:05Z)
• WinSyn: A High Resolution Testbed for Synthetic Data [41.11481327112564]
  我々は、手続き的モデリング技術を用いて高品質な合成データを作成するためのユニークなデータセットとテストベッドであるWinSynを紹介する。 このデータセットには、世界中の場所から選抜された高解像度の窓の写真が含まれており、89,318の個々の窓作物は、多様な幾何学的特徴と材料的特性を示している。 合成画像と実画像の両方で意味的セグメンテーションネットワークを訓練し、実画像の共有テストセットでそれらの性能を比較することによって、手続きモデルを評価する。
  論文  参考訳（メタデータ） (2023-10-09T20:18:10Z)
• Unsupervised Domain Transfer with Conditional Invertible Neural Networks [83.90291882730925]
  条件付き可逆ニューラルネットワーク(cINN)に基づくドメイン転送手法を提案する。 提案手法は本質的に,その可逆的アーキテクチャによるサイクル一貫性を保証し,ネットワークトレーニングを最大限効率的に行うことができる。 提案手法は,2つの下流分類タスクにおいて,現実的なスペクトルデータの生成を可能にし,その性能を向上する。
  論文  参考訳（メタデータ） (2023-03-17T18:00:27Z)
• Domain Adaptation of Synthetic Driving Datasets for Real-World Autonomous Driving [0.11470070927586014]
  特定のコンピュータビジョンタスクのための合成データで訓練されたネットワークは、実世界のデータでテストすると大幅に劣化する。 本稿では,このような手法を改良するための新しい手法を提案し,評価する。 本稿では,このペア選択にセマンティック・インスペクションを効果的に組み込む手法を提案し,モデルの性能向上に寄与する。
  論文  参考訳（メタデータ） (2023-02-08T15:51:54Z)
• Person Image Synthesis via Denoising Diffusion Model [116.34633988927429]
  本研究では,高忠実度人物画像合成に拡散モデルをいかに応用できるかを示す。 2つの大規模ベンチマークとユーザスタディの結果は、挑戦的なシナリオ下で提案したアプローチのフォトリアリズムを実証している。
  論文  参考訳（メタデータ） (2022-11-22T18:59:50Z)
• Blur Interpolation Transformer for Real-World Motion from Blur [52.10523711510876]
  本稿では, ボケの時間的相関を解き明かすために, 符号化されたブラー変換器(BiT)を提案する。 マルチスケール残留スウィン変圧器ブロックに基づいて、両端の時間的監督と時間対称なアンサンブル戦略を導入する。 さらに,1対1のぼやけたビデオペアの最初の実世界のデータセットを収集するハイブリッドカメラシステムを設計する。
  論文  参考訳（メタデータ） (2022-11-21T13:10:10Z)
• Towards Real-World Video Deblurring by Exploring Blur Formation Process [53.91239555063343]
  近年、深層学習に基づくアプローチは、ビデオデブロアリングタスクにおいて有望な成功を収めている。 既存の合成データセットで訓練されたモデルは、現実世界のぼやけたシナリオよりも一般化の問題に悩まされている。 本稿では, RAW-Blur と呼ばれる, ぼかし生成の手がかりを生かして, 現実的なぼかし合成パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-08-28T09:24:52Z)
• Realistic Blur Synthesis for Learning Image Deblurring [20.560205377203957]
  より現実的なブラーを合成できる新しいブラー合成パイプラインを提案する。 また、実際のぼやけた画像とそれに対応するシャープな画像のシーケンスを含む新しいデータセットであるRSBlurを提案する。
  論文  参考訳（メタデータ） (2022-02-17T17:14:48Z)
• Two-shot Spatially-varying BRDF and Shape Estimation [89.29020624201708]
  形状とSVBRDFを段階的に推定した新しいディープラーニングアーキテクチャを提案する。 ドメインランダム化された幾何学と現実的な材料を用いた大規模合成学習データセットを作成する。 合成データセットと実世界のデータセットの両方の実験により、合成データセットでトレーニングされたネットワークが、実世界の画像に対してうまく一般化できることが示されている。
  論文  参考訳（メタデータ） (2020-04-01T12:56:13Z)

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。