論文の概要: GTAV-NightRain: Photometric Realistic Large-scale Dataset for Night-time
Rain Streak Removal
- arxiv url: http://arxiv.org/abs/2210.04708v1
- Date: Mon, 10 Oct 2022 14:08:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 18:15:03.691054
- Title: GTAV-NightRain: Photometric Realistic Large-scale Dataset for Night-time
Rain Streak Removal
- Title(参考訳): GTAV-NightRain:夜間降雨ストリーク除去のための測光リアルタイム大規模データセット
- Authors: Fan Zhang, Shaodi You, Yu Li, Ying Fu
- Abstract要約: 雨は透明で、シーンの光を反射し、カメラに反射する。
既存の雨害除去データセットでは, 密度, スケール, 方向, 強度が考慮されているが, 透明性は十分に考慮されていない。
本稿では,大規模な夜間降雨ストリーク除去データセットであるGTAV-NightRainデータセットを提案する。
- 参考スコア(独自算出の注目度): 30.93624632770902
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Rain is transparent, which reflects and refracts light in the scene to the
camera. In outdoor vision, rain, especially rain streaks degrade visibility and
therefore need to be removed. In existing rain streak removal datasets,
although density, scale, direction and intensity have been considered,
transparency is not fully taken into account. This problem is particularly
serious in night scenes, where the appearance of rain largely depends on the
interaction with scene illuminations and changes drastically on different
positions within the image. This is problematic, because unrealistic dataset
causes serious domain bias. In this paper, we propose GTAV-NightRain dataset,
which is a large-scale synthetic night-time rain streak removal dataset. Unlike
existing datasets, by using 3D computer graphic platform (namely GTA V), we are
allowed to infer the three dimensional interaction between rain and
illuminations, which insures the photometric realness. Current release of the
dataset contains 12,860 HD rainy images and 1,286 corresponding HD ground truth
images in diversified night scenes. A systematic benchmark and analysis are
provided along with the dataset to inspire further research.
- Abstract(参考訳): 雨は透明で、カメラのシーンの光を反射し、屈折します。
屋外の視界では、特に雨は視界を低下させ、そのため除去する必要がある。
既存の雨害除去データセットでは、密度、スケール、方向、強度が考慮されているが、透明性は考慮されていない。
この問題は特に夜景において深刻な問題であり、雨の出現はシーン照明との相互作用に大きく依存し、画像内の異なる位置で大きく変化する。
非現実的なデータセットが深刻なドメインバイアスを引き起こすため、これは問題となる。
本稿では,大規模な夜間雨天除去データセットであるGTAV-NightRainデータセットを提案する。
既存のデータセットとは異なり、3dコンピュータグラフィックスプラットフォーム(gta v)を使用することで、雨と照度の間の3次元の相互作用を推測することができる。
データセットの現在のリリースには、12,860のhd雨画像と1,286の対応するhd地上真実画像が含まれている。
体系的なベンチマークと分析がデータセットと共に提供され、さらなる研究を促す。
関連論文リスト
- NiteDR: Nighttime Image De-Raining with Cross-View Sensor Cooperative
Learning for Dynamic Driving Scenes [52.904913650645796]
夜間の運転シーンでは、不十分で不均一な照明が暗闇の中でシーンを遮蔽し、画質と可視性が低下する。
雨天時の運転シーンに適した画像デライニング・フレームワークを開発した。
雨の人工物を取り除き、風景表現を豊かにし、有用な情報を復元することを目的としている。
論文 参考訳(メタデータ) (2024-02-28T09:02:33Z) - From Sky to the Ground: A Large-scale Benchmark and Simple Baseline
Towards Real Rain Removal [28.029107707930063]
我々は,100万の高解像度(1920*1080)フレーム対を持つ3000の動画シーケンスを含む大規模高品質ペアド実雨量ベンチマーク(LHP-Rain)を構築した。
提案したデータセットの利点は3つある: 雨は多彩で大規模、画像は高解像度で高画質の地上構造である。
論文 参考訳(メタデータ) (2023-08-07T18:39:14Z) - ScatterNeRF: Seeing Through Fog with Physically-Based Inverse Neural
Rendering [83.75284107397003]
本稿では,シーンをレンダリングし,霧のない背景を分解するニューラルネットワークレンダリング手法であるScatterNeRFを紹介する。
本研究では,散乱量とシーンオブジェクトの非絡み合い表現を提案し,物理に着想を得た損失を伴ってシーン再構成を学習する。
マルチビューIn-the-Wildデータをキャプチャして,大規模な霧室内でのキャプチャを制御し,本手法の有効性を検証した。
論文 参考訳(メタデータ) (2023-05-03T13:24:06Z) - Flare7K: A Phenomenological Nighttime Flare Removal Dataset [83.38205781536578]
最初の夜間フレア除去データセットであるFrare7Kを紹介する。
25種類の散乱フレアと10種類の反射フレアからなる、5,000個の散乱と2,000個の反射フレア画像を提供する。
ペア化されたデータにより、現実世界で撮影されたフレア崩壊画像の復元を効果的に行うことができる。
論文 参考訳(メタデータ) (2022-10-12T20:17:24Z) - Towards Ground Truth for Single Image Deraining [45.50400293855075]
実世界の雨天とクリーンなイメージペアの大規模データセットを提案する。
雨天と清潔な画像の間の雨変量損失を最小限に抑えて、基盤となるシーンを再構築するディープニューラルネットワークを提案する。
本モデルでは, 種々の条件下での実際の降雨画像において, 最先端のデレーニング手法よりも優れた性能を示すことができる。
論文 参考訳(メタデータ) (2022-06-22T00:10:06Z) - Asymmetric Dual-Decoder U-Net for Joint Rain and Haze Removal [21.316673824040752]
現実のシナリオでは、雨とヘイズ(しばしば共起する共通の気象現象)は、シーンイメージの明快さと質を大幅に低下させる。
本稿では、上記の課題に対処するため、新しいディープニューラルネットワーク、Asymmetric Dual-Decoder U-Net(ADU-Net)を提案する。
ADU−Netは、汚染残留物とシーン残留物の両方を生成し、シーン情報の忠実性を維持しつつ、雨とヘイズを効率的に除去する。
論文 参考訳(メタデータ) (2022-06-14T12:50:41Z) - Toward Real-world Single Image Deraining: A New Benchmark and Beyond [79.5893880599847]
現実シナリオにおけるSID(Single Image deraining)は近年注目されている。
以前の実際のデータセットは、低解像度の画像、均一な雨のストリーク、背景の変化の制限、イメージペアの誤調整に悩まされていた。
我々はRealRain-1kという新しい高品質のデータセットを構築した。
論文 参考訳(メタデータ) (2022-06-11T12:26:59Z) - MBA-RainGAN: Multi-branch Attention Generative Adversarial Network for
Mixture of Rain Removal from Single Images [24.60495609529114]
豪雨の日、ガラスを通して画像が撮影されるとき、雨はシーンオブジェクトの視界をひどく損なう。
1) 雨は雨滴, 雨煙, 雨雲の混合であり, 2) カメラからの深さが物体の視界の度合いを決定する, 3) ガラス上の雨滴は画像空間全体の視界にランダムに影響を及ぼす, 興味深い3つの現象を観察する。
論文 参考訳(メタデータ) (2020-05-21T11:44:21Z)
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。