論文の概要: Stereo Image Rain Removal via Dual-View Mutual Attention

• arxiv url: http://arxiv.org/abs/2211.10104v1
• Date: Fri, 18 Nov 2022 09:07:01 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 15:00:19.456394
• Title: Stereo Image Rain Removal via Dual-View Mutual Attention
• Title（参考訳）: デュアルビューによるステレオ画像の降雨除去
• Authors: Yanyan Wei, Zhao Zhang, Zhongqiu Zhao, Yang Zhao, Richang Hong, Yi Yang
• Abstract要約: 本稿では,2つのビュー間の十分な相互作用により,新しいアンダーラインStereo underline Image underlineRain underlineRemoval法(StereoIRR)を提案する。 本稿では,StereoIRRが複数のデータセットにおいて,他のモノクラー・ステレオ画像雨除去法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 55.79448042969012
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Stereo images, containing left and right view images with disparity, are utilized in solving low-vision tasks recently, e.g., rain removal and super-resolution. Stereo image restoration methods usually obtain better performance than monocular methods by learning the disparity between dual views either implicitly or explicitly. However, existing stereo rain removal methods still cannot make full use of the complementary information between two views, and we find it is because: 1) the rain streaks have more complex distributions in directions and densities, which severely damage the complementary information and pose greater challenges; 2) the disparity estimation is not accurate enough due to the imperfect fusion mechanism for the features between two views. To overcome such limitations, we propose a new \underline{Stereo} \underline{I}mage \underline{R}ain \underline{R}emoval method (StereoIRR) via sufficient interaction between two views, which incorporates: 1) a new Dual-view Mutual Attention (DMA) mechanism which generates mutual attention maps by taking left and right views as key information for each other to facilitate cross-view feature fusion; 2) a long-range and cross-view interaction, which is constructed with basic blocks and dual-view mutual attention, can alleviate the adverse effect of rain on complementary information to help the features of stereo images to get long-range and cross-view interaction and fusion. Notably, StereoIRR outperforms other related monocular and stereo image rain removal methods on several datasets. Our codes and datasets will be released.
• Abstract（参考訳）: 近年,降雨除去や超解像など低視野課題の解決には,左右の視差画像を含むステレオ画像が利用されている。 ステレオ画像復元法は通常,双対ビュー間の差異を暗黙的あるいは明示的に学習することにより,単眼的手法よりも優れた性能を得る。 しかし,既存のステレオ降雨除去手法では,両視点間の補完情報を十分に活用できないため,以下の結果が得られた。 1) 雨のストリークは,方向や密度がより複雑で,補完的な情報に重大なダメージを与え,大きな課題を生じさせる。 2) 両ビュー間の特徴が不完全な融合機構のため, 差分推定は十分ではない。 このような制限を克服するために、我々は2つのビュー間の十分な相互作用を通して、新しい \underline{Stereo} \underline{I}mage \underline{R}ain \underline{R}emoval method (StereoIRR) を提案する。 1) 左右の視点を相互に重要な情報として捉え,相互注意マップを生成する新たなデュアルビュー相互注意(dma)機構により,クロスビュー特徴の融合が容易になる。 2)基本ブロックとデュアルビューの相互注意で構築された長距離・クロスビュー相互作用は,雨による補完的情報への悪影響を軽減し,ステレオ画像の特徴が長距離・クロスビュー相互作用・融合を実現するのに役立つ。 特に、StereoIRRは、いくつかのデータセットにおいて、他の関連するモノクロおよびステレオ画像雨除去方法よりも優れている。 コードとデータセットはリリースされます。

関連論文リスト

• Multi-dimension Queried and Interacting Network for Stereo Image Deraining [13.759978932686519]
  マルチ次元クエリと対話によるステレオ画像のデライニングを実現するMQINetを考案した。 このモジュールは入力機能に依存しない次元的なクエリを利用する。 降雨画像の逆物理モデルに基づく視界内物理認識注意(IPA)を導入する。
  論文  参考訳（メタデータ） (2023-09-19T05:04:06Z)
• Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing [54.168567276280505]
  画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。 振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。 第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
  論文  参考訳（メタデータ） (2023-08-14T08:23:58Z)
• SufrinNet: Toward Sufficient Cross-View Interaction for Stereo Image Enhancement in The Dark [119.01585302856103]
  低照度ステレオ画像強調(LLSIE)は、暗黒環境で撮影された視覚的に不快なステレオ画像の品質を高めるための比較的新しいタスクである。 1)クロスビューの相互作用が不十分なこと,2)ビュー内学習に長距離依存が欠如していること,である。 SufrinNet(SufrinNet)を用いた新しいLLSIEモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-02T04:01:30Z)
• Cross-View Panorama Image Synthesis [68.35351563852335]
  PanoGANは、新しい敵対的フィードバックGANフレームワークである。 PanoGANは、最先端のアプローチよりもより説得力のある、高品質なパノラマ画像生成を可能にする。
  論文  参考訳（メタデータ） (2022-03-22T15:59:44Z)
• Beyond Monocular Deraining: Parallel Stereo Deraining Network Via Semantic Prior [103.49307603952144]
  ほとんどの既存の脱雨アルゴリズムは単一の入力画像のみを使用し、クリーンな画像の復元を目指しています。 本稿では,ステレオ画像とセマンティック情報の両方を利用するPaired Rain Removal Network(PRRNet)を提案する。 単分子および新たに提案したステレオ降雨データセットの両方の実験により,提案手法が最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2021-05-09T04:15:10Z)
• Learned Dual-View Reflection Removal [38.65673895165718]
  ステレオ画像を入力として使用する学習型デフレクションアルゴリズムを提案する。 ステレオペアを付加した実世界のデータセットに対する評価により,本アルゴリズムは既存の単像および複数像のデフレクションアプローチより優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-01T21:59:58Z)
• Multi-Scale Progressive Fusion Network for Single Image Deraining [84.0466298828417]
  空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。 同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。 本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
  論文  参考訳（メタデータ） (2020-03-24T17:22:37Z)

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。