論文の概要: Nighttime Dehaze-Enhancement
- arxiv url: http://arxiv.org/abs/2210.09962v1
- Date: Tue, 18 Oct 2022 16:19:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 15:15:47.113115
- Title: Nighttime Dehaze-Enhancement
- Title(参考訳): 夜間デハゼエンハンスメント
- Authors: Harshan Baskar, Anirudh S Chakravarthy, Prateek Garg, Divyam Goel,
Abhijith S Raj, Kshitij Kumar, Lakshya, Ravichandra Parvatham, V Sushant,
Bijay Kumar Rout
- Abstract要約: 夜間の脱ヘイズ・エンハンスメントという新しいコンピュータビジョンタスクを導入する。
私たちのゴールは、共同で露光し、シーンを強化することです。一方、夜間の露光は、夜の環境下でのシーンの露光を目的としています。
我々はNDENetと呼ばれる新しいネットワークを提案し、エンド・ツー・エンドでデハージングと低照度化を共同で行う。
- 参考スコア(独自算出の注目度): 4.983838323302355
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this paper, we introduce a new computer vision task called nighttime
dehaze-enhancement. This task aims to jointly perform dehazing and lightness
enhancement. Our task fundamentally differs from nighttime dehazing -- our goal
is to jointly dehaze and enhance scenes, while nighttime dehazing aims to
dehaze scenes under a nighttime setting. In order to facilitate further
research on this task, we release a new benchmark dataset called Reside-$\beta$
Night dataset, consisting of 4122 nighttime hazed images from 2061 scenes and
2061 ground truth images. Moreover, we also propose a new network called NDENet
(Nighttime Dehaze-Enhancement Network), which jointly performs dehazing and
low-light enhancement in an end-to-end manner. We evaluate our method on the
proposed benchmark and achieve SSIM of 0.8962 and PSNR of 26.25. We also
compare our network with other baseline networks on our benchmark to
demonstrate the effectiveness of our approach. We believe that nighttime
dehaze-enhancement is an essential task particularly for autonomous navigation
applications, and hope that our work will open up new frontiers in research.
Our dataset and code will be made publicly available upon acceptance of our
paper.
- Abstract(参考訳): 本稿では,新しいコンピュータビジョンタスクであるnighttime dehaze-enhancementを提案する。
この課題はデハジングと明度向上を共同で行うことを目的としている。
私たちの仕事は、夜間のデヘイジングとは根本的に異なります -- 私たちの目標は、共同してシーンをデヘイジングし、強化することであり、夜間のデヘイジングは、夜間の設定でシーンをデヘイジングすることを目的としています。
この課題のさらなる研究を容易にするために,我々は2061シーンの夜間ハズされた4122画像と2061地上真理画像からなるrespond-$\beta$ nightデータセットという新しいベンチマークデータセットをリリースした。
また,NDENet(Nighttime Dehaze-Enhancement Network)というネットワークも提案する。
提案手法をベンチマークで評価し,SSIMが0.8962,PSNRが26.25であった。
また,本手法の有効性を示すために,ベンチマークのベースラインネットワークとの比較を行った。
夜間の脱湿は特に自律的なナビゲーションアプリケーションにとって重要な課題であり、我々の研究が新たなフロンティアを開拓することを期待している。
私たちのデータセットとコードは、論文の受理時に公開されます。
関連論文リスト
- Nighttime Person Re-Identification via Collaborative Enhancement Network
with Multi-domain Learning [25.569388978241495]
本稿では,並列フレームワークにおけるマルチレベル機能インタラクションを行うCENetという新しい協調型拡張ネットワークを提案する。
特にCENetは並列トランスフォーマーネットワークであり、設計された並列構造は、ライティング画像の品質がReID性能に与える影響を避けることができる。
論文 参考訳(メタデータ) (2023-12-25T12:19:36Z) - Illumination Distillation Framework for Nighttime Person
Re-Identification and A New Benchmark [29.6321130075977]
本稿では、夜間のRe-IDにおける低照度課題に対処するための照明蒸留フレームワーク(IDF)を提案する。
IDFは、マスターブランチ、照明増強ブランチ、照明蒸留モジュールから構成される。
私たちは、600のIDを含むNight600という、現実世界の夜間人物Re-IDデータセットを構築しました。
論文 参考訳(メタデータ) (2023-08-31T06:45:56Z) - Disentangled Contrastive Image Translation for Nighttime Surveillance [87.03178320662592]
夜間監視は、照明の悪さと厳しい人間のアノテーションによる劣化に悩まされる。
既存の手法では、暗黒の物体を知覚するためにマルチスペクトル画像が使われており、解像度の低さと色の不在に悩まされている。
夜間監視の究極の解決策は、夜から昼までの翻訳(Night2Day)である、と私たちは主張する。
本論文は、夜間監視研究を支援する6つのシーンを含む、NightSuRと呼ばれる新しい監視データセットに貢献する。
論文 参考訳(メタデータ) (2023-07-11T06:40:27Z) - STEPS: Joint Self-supervised Nighttime Image Enhancement and Depth
Estimation [12.392842482031558]
本研究では,夜間画像強調器と深度推定器を両課題に使用せずに共同で学習する手法を提案する。
提案手法は,新たに提案された不確実な画素マスキング戦略を用いて,2つの自己監督タスクを密に絡み合わせる。
提案手法をnuScenesとRobotCarの2つの確立したデータセットでベンチマークする。
論文 参考訳(メタデータ) (2023-02-02T18:59:47Z) - Unsupervised Domain Adaptation for Nighttime Aerial Tracking [27.595253191781904]
本研究は、夜間航空追跡のための新しい教師なしドメイン適応フレームワークを開発する。
ユニークなオブジェクト発見アプローチが提供され、生の夜間追跡ビデオからトレーニングパッチを生成する。
Transformerの昼夜の特徴判別器では、昼夜追跡モデルは夜間追跡のために逆向きに訓練される。
論文 参考訳(メタデータ) (2022-03-20T12:35:09Z) - LEDNet: Joint Low-light Enhancement and Deblurring in the Dark [100.24389251273611]
共同低照度化とデブロアリングのための最初の大規模データセットを提示する。
LOL-Blurは12,000個の低ブルー/ノーマルシャープのペアを含み、異なるシナリオで様々な暗黒と動きのぼかしを持つ。
また,LEDNetと名付けられ,低照度化と劣化を両立させる有効なネットワークを提案する。
論文 参考訳(メタデータ) (2022-02-07T17:44:05Z) - Nighttime Dehazing with a Synthetic Benchmark [147.21955799938115]
昼間の鮮明な画像から夜間のハズイ画像をシミュレートする3Rという新しい合成法を提案する。
実空間の光色を以前の経験的分布からサンプリングすることにより,現実的な夜間ハズイ画像を生成する。
実験結果は、画像の品質と実行時間の両方の観点から、最先端の手法よりも優れていることを示す。
論文 参考訳(メタデータ) (2020-08-10T02:16:46Z) - Towards End-to-end Video-based Eye-Tracking [50.0630362419371]
画像のみから視線を推定することは、観察不可能な人固有の要因のために難しい課題である。
本稿では,これらの意味的関係と時間的関係を明確に学習することを目的とした,新しいデータセットとアタッチメント手法を提案する。
視覚刺激からの情報と視線画像の融合が,文献に記録された人物と同じような性能を達成することにつながることを実証した。
論文 参考訳(メタデータ) (2020-07-26T12:39:15Z) - Map-Guided Curriculum Domain Adaptation and Uncertainty-Aware Evaluation
for Semantic Nighttime Image Segmentation [107.33492779588641]
夜間アノテーションを使わずに,日毎のセマンティックセマンティックセマンティクスモデルを適用するためのカリキュラムフレームワークを開発した。
また、夜間画像のセマンティクスの実質的不確実性に対処するための新しい評価フレームワークを設計する。
論文 参考訳(メタデータ) (2020-05-28T16:54:38Z) - Night-time Scene Parsing with a Large Real Dataset [67.11211537439152]
我々は,夜間シーン解析(NTSP)の問題に対処することを目指しており,主な課題が2つある。
夜間データの不足に対処するため、実夜間画像4,297枚からなる新しいラベル付きデータセット、NightCityを収集した。
また,NTSP問題に対処するための露出認識フレームワークを提案する。
論文 参考訳(メタデータ) (2020-03-15T18:11:34Z)
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。