論文の概要: Seafloor-Invariant Caustics Removal from Underwater Imagery
- arxiv url: http://arxiv.org/abs/2212.10167v1
- Date: Tue, 20 Dec 2022 11:11:02 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-21 17:09:35.904649
- Title: Seafloor-Invariant Caustics Removal from Underwater Imagery
- Title(参考訳): 海底画像からの海底不変コースティック除去
- Authors: Panagiotis Agrafiotis, Konstantinos Karantzalos, Andreas Georgopoulos
- Abstract要約: コースティックス(英: Caustics)は、波面によって屈折される光線の投射によって生じる複雑な物理現象である。
本研究では,浅海底画像に対する因果関係の影響を補正する新しい手法を提案する。
特に,画像画素を"非因果的"と"因果的"に分類するために,ディープラーニングアーキテクチャを用いた。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Mapping the seafloor with underwater imaging cameras is of significant
importance for various applications including marine engineering, geology,
geomorphology, archaeology and biology. For shallow waters, among the
underwater imaging challenges, caustics i.e., the complex physical phenomena
resulting from the projection of light rays being refracted by the wavy
surface, is likely the most crucial one. Caustics is the main factor during
underwater imaging campaigns that massively degrade image quality and affect
severely any 2D mosaicking or 3D reconstruction of the seabed. In this work, we
propose a novel method for correcting the radiometric effects of caustics on
shallow underwater imagery. Contrary to the state-of-the-art, the developed
method can handle seabed and riverbed of any anaglyph, correcting the images
using real pixel information, thus, improving image matching and 3D
reconstruction processes. In particular, the developed method employs deep
learning architectures in order to classify image pixels to "non-caustics" and
"caustics". Then, exploits the 3D geometry of the scene to achieve a pixel-wise
correction, by transferring appropriate color values between the overlapping
underwater images. Moreover, to fill the current gap, we have collected,
annotated and structured a real-world caustic dataset, namely R-CAUSTIC, which
is openly available. Overall, based on the experimental results and validation
the developed methodology is quite promising in both detecting caustics and
reconstructing their intensity.
- Abstract(参考訳): 海底画像カメラによる海底のマッピングは、海洋工学、地質学、地形学、考古学、生物学など様々な応用において重要である。
浅海にとって、水中イメージングの課題のうち、波状表面によって屈折される光線の投射に起因する複雑な物理的現象は、おそらく最も重要なものである。
コースティックス (caustics) は、水中画像の画質を著しく低下させ、海底の2dモザイクや3d再構成に深刻な影響を及ぼす。
本研究では,水中浅部画像に対するコースティックスの放射効果を補正する新しい手法を提案する。
最先端の手法とは対照的に,この手法は任意のアナグリフの海底や河床を処理し,実際の画素情報を用いて画像を補正し,画像マッチングと3次元再構成プロセスを改善する。
特に,画像画素を"非caustics"と"caustics"に分類するために,ディープラーニングアーキテクチャを用いる。
そして、重なり合う水中画像間で適切な色値を転送することにより、シーンの3次元形状を利用して画素ワイズ補正を行う。
さらに,現在のギャップを埋めるために,実世界のコースティックデータセットであるr-causticを収集し,注釈付けし,構造化した。
全体として、実験結果と検証結果に基づいて、開発手法は因果性の検出と強度の再構築の両方に有望である。
関連論文リスト
- Physics Informed and Data Driven Simulation of Underwater Images via
Residual Learning [5.095097384893417]
一般的に水中の画像は、光が水中を伝播するにつれて減衰し後方散乱するため、色歪みと低コントラストに悩まされる。
既存の単純な劣化モデル(大気画像の「ヘイジング」効果に似ている)は水中画像の劣化を適切に表現するには不十分である。
水中効果を自動的にシミュレートする深層学習型アーキテクチャを提案する。
論文 参考訳(メタデータ) (2024-02-07T21:53:28Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳(メタデータ) (2023-12-12T06:07:21Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳(メタデータ) (2023-08-24T12:32:46Z) - PUGAN: Physical Model-Guided Underwater Image Enhancement Using GAN with
Dual-Discriminators [120.06891448820447]
鮮明で視覚的に快適な画像を得る方法は、人々の共通の関心事となっている。
水中画像強調(UIE)の課題も、時間とともに現れた。
本稿では,UIE のための物理モデル誘導型 GAN モデルを提案する。
我々のPUGANは質的および定量的な測定値において最先端の手法より優れています。
論文 参考訳(メタデータ) (2023-06-15T07:41:12Z) - Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。
提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
論文 参考訳(メタデータ) (2022-12-23T03:00:28Z) - SUCRe: Leveraging Scene Structure for Underwater Color Restoration [1.9490160607392462]
本研究では,シーンの3次元構造を利用した水中色復元手法であるSUCReを紹介する。
我々は、自然光から深海環境まで様々なシナリオにおいて、我々のアプローチを定量的、質的に分析する。
論文 参考訳(メタデータ) (2022-12-18T16:53:13Z) - WaterNeRF: Neural Radiance Fields for Underwater Scenes [6.161668246821327]
我々は、物理インフォームド深度推定と色補正を可能にするために、ニューラルレイディアンス場(NeRF)の最先端技術を進めた。
提案手法であるWaterNeRFは,水中画像形成のための物理モデルを用いてパラメータを推定する。
劣化した画像と修正された水中画像と、シーンの深い深さの新たなビューを作成できる。
論文 参考訳(メタデータ) (2022-09-27T00:53:26Z) - Underwater enhancement based on a self-learning strategy and attention
mechanism for high-intensity regions [0.0]
水中活動中に取得した画像は、濁度や光の減衰などの水の環境特性に悩まされる。
水中画像の強化に関する最近の研究と深層学習のアプローチに基づき、合成地下構造を生成する組合わせデータセットの欠如に対処する。
本稿では,ペアデータセットを必要としない深層学習に基づく水中画像強調のための自己教師付き学習手法を提案する。
論文 参考訳(メタデータ) (2022-08-04T19:55:40Z) - Underwater Image Restoration via Contrastive Learning and a Real-world
Dataset [59.35766392100753]
本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。
提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
論文 参考訳(メタデータ) (2021-06-20T16:06:26Z) - Learning to Restore a Single Face Image Degraded by Atmospheric
Turbulence using CNNs [93.72048616001064]
このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。
乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
論文 参考訳(メタデータ) (2020-07-16T15:25:08Z) - Deep Sea Robotic Imaging Simulator [6.2122699483618]
海洋の最大の部分である深海は、現在もほとんど未調査のままである。
深海画像は浅い海域で撮影された画像とは大きく異なり、この地域はコミュニティからはあまり注目されなかった。
本稿では,空気中のテクスチャと深度情報を入力として利用する物理モデルに基づく画像シミュレーションソリューションを提案する。
論文 参考訳(メタデータ) (2020-06-27T16:18:32Z)
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。