論文の概要: Deep Idempotent Network for Efficient Single Image Blind Deblurring

• arxiv url: http://arxiv.org/abs/2210.07122v1
• Date: Thu, 13 Oct 2022 16:01:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-14 16:35:17.299899
• Title: Deep Idempotent Network for Efficient Single Image Blind Deblurring
• Title（参考訳）: 高能率単一画像ブラインドデブロアリングのための深部等等化ネットワーク
• Authors: Yuxin Mao, Zhexiong Wan, Yuchao Dai, Xin Yu
• Abstract要約: 単一画像ブラインド劣化は、潜伏したシャープ画像もぼやけたカーネルも分かっていないため、極めて不良である。 本研究では, ブラインド非一様変色性能を向上し, 安定した再変色性能を実現するために, 深部等角ネットワークを提案する。 提案するネットワークは6.5倍近く小さく、6.4倍高速であり、高い性能を実現している。
• 参考スコア（独自算出の注目度）: 45.52473840749836
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Single image blind deblurring is highly ill-posed as neither the latent sharp image nor the blur kernel is known. Even though considerable progress has been made, several major difficulties remain for blind deblurring, including the trade-off between high-performance deblurring and real-time processing. Besides, we observe that current single image blind deblurring networks cannot further improve or stabilize the performance but significantly degrades the performance when re-deblurring is repeatedly applied. This implies the limitation of these networks in modeling an ideal deblurring process. In this work, we make two contributions to tackle the above difficulties: (1) We introduce the idempotent constraint into the deblurring framework and present a deep idempotent network to achieve improved blind non-uniform deblurring performance with stable re-deblurring. (2) We propose a simple yet efficient deblurring network with lightweight encoder-decoder units and a recurrent structure that can deblur images in a progressive residual fashion. Extensive experiments on synthetic and realistic datasets prove the superiority of our proposed framework. Remarkably, our proposed network is nearly 6.5X smaller and 6.4X faster than the state-of-the-art while achieving comparable high performance.
• Abstract（参考訳）: 単一画像ブラインド劣化は、潜伏したシャープ画像もぼやけたカーネルも分かっていないため、極めて不良である。 かなり進歩したにもかかわらず、高性能なデブロアリングとリアルタイム処理のトレードオフなど、ブラインドデブロアリングにはいくつかの大きな困難が残っている。 また,現在のシングルイメージブラインドデブロアリングネットワークは,さらなる性能向上や安定化はできないが,再ブラーリングを繰り返すと性能が著しく低下する。 これは、理想的なデブロアリングプロセスのモデリングにおけるこれらのネットワークの制限を意味する。 本研究は, 上記の課題に対処するための2つの貢献を行う。(1) 難易度制約をデブロアリングフレームワークに導入し, ブラインド非均一なデブロアリング性能を向上し, 安定した再ブルーアリングを実現するための深みのあるデブロアリングネットワークを提案する。 2) 軽量エンコーダ・デコーダユニットを用いた簡易かつ効率的なデブロリングネットワークと, 画像の進行的なデブロリングを行うリカレント構造を提案する。 合成および現実的なデータセットに関する大規模な実験は、提案フレームワークの優位性を証明している。 注目すべきは、提案するネットワークは6.5倍近く小さく、6.4倍高速であり、高い性能を実現していることだ。

関連論文リスト

• Spatial Annealing Smoothing for Efficient Few-shot Neural Rendering [106.0057551634008]
  我々は,Spatial Annealing smoothing regularized NeRF (SANeRF) という,正確で効率的な数発のニューラルレンダリング手法を導入する。 単に1行のコードを追加することで、SANeRFは現在の数ショットのNeRF法と比較して、より優れたレンダリング品質とはるかに高速な再構築速度を提供する。
  論文  参考訳（メタデータ） (2024-06-12T02:48:52Z)
• GAMA-IR: Global Additive Multidimensional Averaging for Fast Image Restoration [22.53813258871828]
  高速かつ優れた画質が得られる画像復元ネットワークを導入する。 このネットワークは、標準GPU上で実行されるレイテンシとメモリ消費を最小限に抑えるように設計されている。 我々は、現実のSIDDにおける最先端の結果を0.11dBで上回り、より2倍から10倍速くする。
  論文  参考訳（メタデータ） (2024-03-31T21:43:08Z)
• RBSR: Efficient and Flexible Recurrent Network for Burst Super-Resolution [57.98314517861539]
  バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。 本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
  論文  参考訳（メタデータ） (2023-06-30T12:14:13Z)
• Effective Invertible Arbitrary Image Rescaling [77.46732646918936]
  Invertible Neural Networks (INN)は、ダウンスケーリングとアップスケーリングのサイクルを共同で最適化することにより、アップスケーリングの精度を大幅に向上させることができる。 本研究の1つのモデルのみをトレーニングすることにより、任意の画像再スケーリングを実現するために、単純で効果的な非可逆的再スケーリングネットワーク(IARN)を提案する。 LR出力の知覚品質を損なうことなく、双方向任意再スケーリングにおいて最先端(SOTA)性能を実現する。
  論文  参考訳（メタデータ） (2022-09-26T22:22:30Z)
• INFWIDE: Image and Feature Space Wiener Deconvolution Network for Non-blind Image Deblurring in Low-Light Conditions [32.35378513394865]
  画像と特徴空間Wener deconvolution Network (INFWIDE) と呼ばれる新しい非盲点分解法を提案する。 INFWIDEは、画像空間におけるノイズを除去し、飽和領域を幻覚し、特徴空間におけるリングアーティファクトを抑制する。 合成データと実データを用いた実験は,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-17T15:22:31Z)
• Invertible Network for Unpaired Low-light Image Enhancement [78.33382003460903]
  本稿では,非可逆的ネットワークを活用して,前処理における低照度画像の強化と,非対向学習により逆向きに通常の照度画像の劣化を図ることを提案する。 対向的損失に加えて、トレーニングの安定性を確保し、より詳細な画像を保存するために、様々な損失関数を設計する。 低照度画像に対するプログレッシブ自己誘導強調処理を提案し,SOTAに対して良好な性能を示す。
  論文  参考訳（メタデータ） (2021-12-24T17:00:54Z)
• A Deep Variational Bayesian Framework for Blind Image Deblurring [46.585763459441154]
  ブラインド画像の劣化は、低レベルの視覚において重要な問題であるが、非常に難しい問題である。 視覚障害者のための深い変分ベイズ的枠組みを提案する。
  論文  参考訳（メタデータ） (2021-06-05T12:47:36Z)
• LCA-Net: Light Convolutional Autoencoder for Image Dehazing [1.433758865948252]
  画像のデハジングは、画像の視覚的魅力を改善するために、ヘイズによって生じる不整合ノイズを取り除くために重要な画像前処理タスクである。 提案する汎用モデルは,大気モデルに依存しない非常に軽量な畳み込みエンコーダ・デコーダネットワークを用いている。 このネットワークは、画像品質の面で最先端の手法に匹敵する、いくつかの標準データセットにおいて、より高速に最適なデハージング性能を達成する。
  論文  参考訳（メタデータ） (2020-08-24T11:20:52Z)
• Deblurring using Analysis-Synthesis Networks Pair [6.09170287691728]
  ブラインド画像の劣化は、現代のニューラルネットワークにとって難しい問題である。 そこで我々は,デブロワーリングネットワークを,そのボケを推定する解析ネットワークに分割する新たなアーキテクチャと,このカーネルを用いて画像をデブロワーする合成ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-04-06T19:32:51Z)

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。