論文の概要: Meta Transferring for Deblurring

• arxiv url: http://arxiv.org/abs/2210.08036v1
• Date: Fri, 14 Oct 2022 18:06:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 18:52:14.715203
• Title: Meta Transferring for Deblurring
• Title（参考訳）: デブラリング用メタトランスファー
• Authors: Po-Sheng Liu, Fu-Jen Tsai, Yan-Tsung Peng, Chung-Chi Tsai, Chia-Wen Lin, Yen-Yu Lin
• Abstract要約: 動的シーンのデブロリングに基底事実を用いることなくテスト時間適応を実現するためのreblur-deメタトランスファー方式を提案する。 我々は、ぼやけた入力ビデオを利用して、比較的シャープなパッチを偽の土台真実として見つけ、利用する。 我々のreblur-deメタラーニングスキームは、DVD、REDS、RealBlurベンチマークデータセットの最先端のデブロアリングモデルを改善することができる。
• 参考スコア（独自算出の注目度）: 43.86235102507237
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most previous deblurring methods were built with a generic model trained on blurred images and their sharp counterparts. However, these approaches might have sub-optimal deblurring results due to the domain gap between the training and test sets. This paper proposes a reblur-deblur meta-transferring scheme to realize test-time adaptation without using ground truth for dynamic scene deblurring. Since the ground truth is usually unavailable at inference time in a real-world scenario, we leverage the blurred input video to find and use relatively sharp patches as the pseudo ground truth. Furthermore, we propose a reblurring model to extract the homogenous blur from the blurred input and transfer it to the pseudo-sharps to obtain the corresponding pseudo-blurred patches for meta-learning and test-time adaptation with only a few gradient updates. Extensive experimental results show that our reblur-deblur meta-learning scheme can improve state-of-the-art deblurring models on the DVD, REDS, and RealBlur benchmark datasets.
• Abstract（参考訳）: 従来のデブロアリング手法のほとんどは、ぼやけた画像とその鋭い画像に基づいて訓練された汎用モデルで構築された。 しかし、これらのアプローチは、トレーニングセットとテストセットのドメインギャップによって、準最適に振る舞う結果をもたらす可能性がある。 本稿では,動的シーンのデブラリングにグラウンド真理を用いずにテスト時間適応を実現するためのリブラルデブラルメタトランスファースキームを提案する。 実世界のシナリオでは、基礎的真理は通常、推論時に利用できないため、ぼやけた入力ビデオを利用して、比較的鋭いパッチを疑似基底的真理として見つけて使用する。 さらに,ぼやけた入力から均質なぼやけを抽出して擬似シャープに転送し,数回の勾配更新でメタラーニングやテストタイム適応のための擬似ぼやけパッチを得るための再現モデルを提案する。 reblur-deblurメタラーニング方式は,dvd,reds,realblurベンチマークデータセットの最先端デブラリングモデルを改善することができる。

関連論文リスト

• Appearance Blur-driven AutoEncoder and Motion-guided Memory Module for Video Anomaly Detection [14.315287192621662]
  ビデオ異常検出(VAD)は、しばしば正常なサンプルの分布を学習し、重要な偏差を測定することによって異常を検出する。 ほとんどのVADは、新しいターゲットドメインに対するデータセット間の検証には対応できない。 ゼロショットによるクロスデータセット検証を実現するため,動作誘導型メモリモジュールを用いた新しいVAD手法を提案する。
  論文  参考訳（メタデータ） (2024-09-26T07:48:20Z)
• Domain-adaptive Video Deblurring via Test-time Blurring [43.40607572991409]
  未確認領域におけるデブロアリングモデルに対するテスト時間微調整を実現するために, ぼかしモデルに基づくドメイン適応方式を提案する。 そこで本手法では, 対象領域の劣化モデルを校正するために, ドメイン適応型トレーニングペアを生成することができる。 提案手法は,最先端の映像復号化手法を大幅に改善し,実世界の映像復号化データセットに対して最大7.54dBの性能向上を実現する。
  論文  参考訳（メタデータ） (2024-07-12T07:28:01Z)
• Towards Seamless Adaptation of Pre-trained Models for Visual Place Recognition [72.35438297011176]
  視覚的位置認識のための事前学習モデル(VPR)のシームレスな適応を実現する新しい手法を提案する。 具体的には、地域を識別するための有意義なランドマークに焦点を当てたグローバルな特徴とローカルな特徴の両方を得るために、ハイブリッド適応法を設計する。 実験結果から,本手法はトレーニングデータやトレーニング時間が少なく,最先端の手法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-02-22T12:55:01Z)
• Rethinking Motion Deblurring Training: A Segmentation-Based Method for Simulating Non-Uniform Motion Blurred Images [0.0]
  シャープ/ブルーのイメージペアを生成するための効率的な手続き手法を提案する。 これにより、事実上無制限に現実的で多様なトレーニングペアを生成することができる。 実写映像のブルーリングにおける最終課題に対して,より優れた一般化性能を観察した。
  論文  参考訳（メタデータ） (2022-09-26T13:20:35Z)
• Human and Scene Motion Deblurring using Pseudo-blur Synthesizer [17.36135319921425]
  現在のディープラーニングに基づくモーションデブロワー法は, 合成ボケと鋭いデータのペアを用いて, 特定のフレームワークを回帰する。 トレーニングやテストの段階で実行可能な,オンザフライでぼやけたデータアグリゲータを提供する。 提案モジュールは、最先端の人体統計モデルを用いて、手作りの事前抽出装置も備えている。
  論文  参考訳（メタデータ） (2021-11-25T04:56:13Z)
• Breaking Shortcut: Exploring Fully Convolutional Cycle-Consistency for Video Correspondence Learning [78.43196840793489]
  我々は、推論プロセスによりシンプルで一貫性のある完全な畳み込み法を提案する。 この崩壊現象の背景にある下線原因について検討し,画素の絶対位置がサイクルコンシスタンスを容易に達成するための近道であることを示す。
  論文  参考訳（メタデータ） (2021-05-12T17:52:45Z)
• A Hierarchical Transformation-Discriminating Generative Model for Few Shot Anomaly Detection [93.38607559281601]
  各トレーニングイメージのマルチスケールパッチ分布をキャプチャする階層的生成モデルを開発した。 この異常スコアは、スケール及び画像領域にわたる正しい変換のパッチベースの投票を集約して得られる。
  論文  参考訳（メタデータ） (2021-04-29T17:49:48Z)
• Domain-invariant Similarity Activation Map Contrastive Learning for Retrieval-based Long-term Visual Localization [30.203072945001136]
  本研究では,多領域画像変換による領域不変特徴抽出のために,確率論的に一般アーキテクチャを定式化する。 そして、より精密な局所化のために、新しい勾配重み付き類似性活性化写像損失(Grad-SAM)を組み込んだ。 CMUSeasonsデータセットにおける提案手法の有効性を検証するために大規模な実験が行われた。 我々の性能は、最先端のイメージベースのローカライゼーションベースラインを中あるいは高精度で上回るか、あるいは上回る。
  論文  参考訳（メタデータ） (2020-09-16T14:43:22Z)
• Deblurring by Realistic Blurring [110.54173799114785]
  本稿では,BGAN(Learning-to-blurr GAN)とDBGAN(Learning-to-DeBlur GAN)の2つのモデルを組み合わせた新しい手法を提案する。 第1のモデルであるBGANは、未ペアのシャープでぼやけた画像セットでシャープな画像をぼやかす方法を学習し、第2のモデルであるDBGANをガイドして、そのような画像を正しくデブロアする方法を学ぶ。 さらなる貢献として,多様なぼやけた画像を含むRWBIデータセットについても紹介する。
  論文  参考訳（メタデータ） (2020-04-04T05:25:15Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。