論文の概要: Metropolis Theorem and Its Applications in Single Image Detail Enhancement

• arxiv url: http://arxiv.org/abs/2302.09762v1
• Date: Mon, 20 Feb 2023 05:00:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-21 16:48:06.149229
• Title: Metropolis Theorem and Its Applications in Single Image Detail Enhancement
• Title（参考訳）: 単体画像詳細強調におけるメトロポリス理論とその応用
• Authors: He Jiang, Mujtaba Asad, Jingjing Liu, Haoxiang Zhang, Deqiang Cheng
• Abstract要約: 我々の手法は異なっており、その革新は画像の詳細層を得るための特別な方法にあります。 画像テクスチャの特徴の多様性のため、完全マッチングはしばしば不可能である。 本アルゴリズムは,定量的な測定と視覚効果評価において,より良い結果が得られる。
• 参考スコア（独自算出の注目度）: 10.213517608227686
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Traditional image detail enhancement is local filter-based or global filter-based. In both approaches, the original image is first divided into the base layer and the detail layer, and then the enhanced image is obtained by amplifying the detail layer. Our method is different, and its innovation lies in the special way to get the image detail layer. The detail layer in our method is obtained by updating the residual features, and the updating mechanism is usually based on searching and matching similar patches. However, due to the diversity of image texture features, perfect matching is often not possible. In this paper, the process of searching and matching is treated as a thermodynamic process, where the Metropolis theorem can minimize the internal energy and get the global optimal solution of this task, that is, to find a more suitable feature for a better detail enhancement performance. Extensive experiments have proven that our algorithm can achieve better results in quantitative metrics testing and visual effects evaluation. The source code can be obtained from the link.
• Abstract（参考訳）: 従来の画像詳細強調は、ローカルフィルタベースまたはグローバルフィルタベースである。 どちらのアプローチでも、元の画像をまずベース層とディテール層に分割し、ディテール層を増幅して強化画像を得る。 我々の手法は異なり、その革新は画像の詳細層を得るための特別な方法にあります。 本手法では,残像の更新により詳細層が得られ,更新機構は通常,類似したパッチの検索とマッチングに基づいて行われる。 しかし、画像テクスチャの多様性のため、完全マッチングは不可能であることが多い。 本稿では,メトロポリスの定理が内部エネルギーを最小化し,この課題のグローバルな最適解が得られる熱力学的プロセスとして,探索とマッチングのプロセスが扱われる。 広範な実験により, 定量的メトリクス検査と視覚効果評価において, アルゴリズムがよりよい結果が得られることが証明された。 ソースコードはリンクから取得できる。

関連論文リスト

• Research on Image Super-Resolution Reconstruction Mechanism based on Convolutional Neural Network [8.739451985459638]
  超解像アルゴリズムは、同一シーンから撮影された1つ以上の低解像度画像を高解像度画像に変換する。 再構成過程における画像の特徴抽出と非線形マッピング手法は,既存のアルゴリズムでは依然として困難である。 目的は、高解像度の画像から高品質で高解像度の画像を復元することである。
  論文  参考訳（メタデータ） (2024-07-18T06:50:39Z)
• Deep Uncalibrated Photometric Stereo via Inter-Intra Image Feature Fusion [17.686973510425172]
  本稿では, 深部非校正光度ステレオの新しい手法を提案する。 画像間表現を効率的に利用し、正規推定を導出する。 本手法は, 合成データと実データの両方において, 最先端の手法よりも有意に優れた結果が得られる。
  論文  参考訳（メタデータ） (2022-08-06T03:59:54Z)
• Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
  本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。 ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。 次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
  論文  参考訳（メタデータ） (2022-07-09T13:35:12Z)
• Deep Image Compositing [93.75358242750752]
  ユーザ入力なしで高品質の画像合成を自動生成する手法を提案する。 ラプラシアン・ピラミッド・ブレンディングにインスパイアされ、フォアグラウンドや背景画像からの情報を効果的に融合させるために、密結合型多ストリーム融合ネットワークが提案されている。 実験により,提案手法は高品質な合成物を自動生成し,定性的かつ定量的に既存手法より優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2020-11-04T06:12:24Z)
• Bridging Composite and Real: Towards End-to-end Deep Image Matting [88.79857806542006]
  画像マッチングにおける意味論と細部の役割について検討する。 本稿では,共有エンコーダと2つの分離デコーダを用いた新しいGlance and Focus Matting Network(GFM)を提案する。 総合的な実証研究により、GFMは最先端の手法より優れていることが示されている。
  論文  参考訳（メタデータ） (2020-10-30T10:57:13Z)
• Region-adaptive Texture Enhancement for Detailed Person Image Synthesis [86.69934638569815]
  RATE-Netは、シャープなテクスチャで人物画像を合成するための新しいフレームワークである。 提案するフレームワークは,テクスチャ強化モジュールを利用して,画像から外観情報を抽出する。 DeepFashionベンチマークデータセットで実施された実験は、既存のネットワークと比較して、我々のフレームワークの優位性を実証した。
  論文  参考訳（メタデータ） (2020-05-26T02:33:21Z)
• Towards Analysis-friendly Face Representation with Scalable Feature and Texture Compression [113.30411004622508]
  普遍的で協調的な視覚情報表現は階層的な方法で実現できることを示す。 ディープニューラルネットワークの強力な生成能力に基づいて、基本特徴層と強化層の間のギャップは、特徴レベルのテクスチャ再構築によってさらに埋められる。 提案するフレームワークの効率を改善するために,ベース層ニューラルネットワークをマルチタスクでトレーニングする。
  論文  参考訳（メタデータ） (2020-04-21T14:32:49Z)
• Learning End-to-End Lossy Image Compression: A Benchmark [90.35363142246806]
  まず,学習した画像の圧縮方法に関する総合的な文献調査を行う。 本稿では,最先端の学習画像圧縮手法のマイルストーンについて述べるとともに,既存の幅広い作品について概観し,その歴史的開発ルートについて考察する。 エントロピー推定と信号再構成のための粗大な超高次モデルを導入することにより、速度歪み性能の向上を実現する。
  論文  参考訳（メタデータ） (2020-02-10T13:13:43Z)

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。