論文の概要: Relationship Quantification of Image Degradations

• arxiv url: http://arxiv.org/abs/2212.04148v1
• Date: Thu, 8 Dec 2022 09:05:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-09 16:17:44.533498
• Title: Relationship Quantification of Image Degradations
• Title（参考訳）: 画像劣化の関連定量化
• Authors: Wenxin Wang, Boyun Li, Yuanbiao Gou, Peng Hu and Xi Peng
• Abstract要約: 劣化関係を測定するために, 劣化関係指数 (DRI) を提案する。 i) 画像復元性能には劣化組合せ比が重要であることを実証的に観察した。 本稿では, アンカー復元作業の性能向上を図るため, 適応型劣化確率決定戦略(DPD)を提案する。
• 参考スコア（独自算出の注目度）: 21.33914588378533
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, we study two challenging but less-touched problems in image restoration, namely, i) how to quantify the relationship between different image degradations and ii) how to improve the performance of a specific restoration task using the quantified relationship. To tackle the first challenge, Degradation Relationship Index (DRI) is proposed to measure the degradation relationship, which is defined as the drop rate difference in the validation loss between two models, i.e., one is trained using the anchor task only and another is trained using the anchor and the auxiliary tasks. Through quantifying the relationship between different degradations using DRI, we empirically observe that i) the degradation combination proportion is crucial to the image restoration performance. In other words, the combinations with only appropriate degradation proportions could improve the performance of the anchor restoration; ii) a positive DRI always predicts the performance improvement of image restoration. Based on the observations, we propose an adaptive Degradation Proportion Determination strategy (DPD) which could improve the performance of the anchor restoration task by using another restoration task as auxiliary. Extensive experimental results verify the effective of our method by taking image dehazing as the anchor task and denoising, desnowing, and deraining as the auxiliary tasks. The code will be released after acceptance.
• Abstract（参考訳）: 本稿では,画像復元における2つの課題について検討する。 一 異なる画像劣化の関係を定量化する方法 二 定量化関係を利用して、特定の復旧作業のパフォーマンスを向上させる方法 最初の課題に取り組むために、劣化関係指数(DRI)を提案し、これは2つのモデルの検証損失の減少率差として定義される、すなわち、アンカータスクのみを用いてトレーニングし、もう1つはアンカータスクと補助タスクを用いてトレーニングする。 DRIを用いて異なる劣化の関係を定量化することにより、我々はそれを経験的に観察する。 一 画像復元性能の劣化結合比率が重要であること。 言い換えれば、適切な劣化率のみを組み合わせた組み合わせは、アンカー復元の性能を向上させることができる。 二 正のDRIは、画像復元の性能向上を常に予測する。 そこで本研究では,別の修復課題を補助としてアンカー修復作業の性能を向上させるための適応的劣化比例決定戦略(dpd)を提案する。 画像のデハジングをアンカータスクとし,デハジング,デハジング,デラミニングを補助タスクとし,本手法の有効性を検証した。 コードは受理後にリリースされます。

関連論文リスト

• Dual-Representation Interaction Driven Image Quality Assessment with Restoration Assistance [11.983231834400698]
  歪み画像の非参照画像品質評価は、画像内容のばらつきと歪みの多様性のために常に難しい問題である。 以前のIQAモデルは、主に、品質スコア予測のための品質認識表現を得るために、合成画像の明示的な単一品質特徴を符号化していた。 低画質画像の劣化・品質情報を別々にモデル化するDRI法を提案する。
  論文  参考訳（メタデータ） (2024-11-26T12:48:47Z)
• Efficient Diffusion as Low Light Enhancer [63.789138528062225]
  RATR(Reflectance-Aware Trajectory Refinement)は、イメージの反射成分を用いて教師の軌跡を洗練するための、シンプルで効果的なモジュールである。 textbfReDDiT (textbfDistilled textbfTrajectory) は低照度画像強調(LLIE)に適した効率的で柔軟な蒸留フレームワークである。
  論文  参考訳（メタデータ） (2024-10-16T08:07:18Z)
• Efficient Degradation-aware Any Image Restoration [83.92870105933679]
  我々は,低ランク体制下での学習者(DaLe)を用いた効率的なオールインワン画像復元システムである textitDaAIR を提案する。 モデルキャパシティを入力劣化に動的に割り当てることにより、総合学習と特定の学習を統合した効率的な復調器を実現する。
  論文  参考訳（メタデータ） (2024-05-24T11:53:27Z)
• Analysis of Deep Image Prior and Exploiting Self-Guidance for Image Reconstruction [13.277067849874756]
  DIPがアンダーサンプドイメージング計測からどのように情報を回収するかを検討する。 ネットワーク重みと入力の両方を同時に最適化する自己駆動型再構築プロセスを導入する。 提案手法は,ネットワーク入力画像と再構成画像の両方の堅牢かつ安定した関節推定を可能にする,新しいデノイザ正規化項を組み込んだものである。
  論文  参考訳（メタデータ） (2024-02-06T15:52:23Z)
• Neural Degradation Representation Learning for All-In-One Image Restoration [47.44349756954423]
  複数の劣化に対処するオールインワン画像復元ネットワークを提案する。 我々は、様々な劣化の基盤となる特徴を捉える神経分解表現(NDR)を学習する。 我々は,NDRに基づく特定の劣化を効果的に認識し,活用するための劣化クエリモジュールと劣化インジェクションモジュールを開発した。
  論文  参考訳（メタデータ） (2023-10-19T15:59:24Z)
• DiracDiffusion: Denoising and Incremental Reconstruction with Assured Data-Consistency [24.5360032541275]
  拡散モデルは、画像復元を含む多数のコンピュータビジョンタスクにおいて、この技術の新たな状態を確立した。 逆問題解決のための新しい枠組みを提案する。つまり、観測は徐々に劣化し、元のクリーンイメージにノイズを与える劣化過程から来ていると仮定する。 本手法は, 逆過程を通じて元の計測値との整合性を維持し, 歪み指標の改善と早期ストッピングによるサンプリング高速化のために, 知覚品質のトレードオフに優れた柔軟性を実現する。
  論文  参考訳（メタデータ） (2023-03-25T04:37:20Z)
• DR2: Diffusion-based Robust Degradation Remover for Blind Face Restoration [66.01846902242355]
  ブラインド顔復元は通常、トレーニングのための事前定義された劣化モデルで劣化した低品質データを合成する。 トレーニングデータに現実のケースをカバーするために、あらゆる種類の劣化を含めることは、高価で実現不可能である。 本稿では、まず、劣化した画像を粗いが劣化不変な予測に変換し、次に、粗い予測を高品質な画像に復元するために拡張モジュールを使用するロバスト劣化再帰法(DR2)を提案する。
  論文  参考訳（メタデータ） (2023-03-13T06:05:18Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Dual Perceptual Loss for Single Image Super-Resolution Using ESRGAN [13.335546116599494]
  本稿では,従来の知覚損失を置き換えるためにDP損失(Dual Perceptual Loss)と呼ばれる手法を提案する。 VGG特徴とResNet特徴の相補的な性質のため、提案されたDPロスは2つの特徴を同時に学習する利点を考察する。 ベンチマークデータセットの定性的および定量的解析により,提案手法が最先端の超解像法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-01-17T12:42:56Z)

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。