論文の概要: RSFDM-Net: Real-time Spatial and Frequency Domains Modulation Network for Underwater Image Enhancement

• arxiv url: http://arxiv.org/abs/2302.12186v1
• Date: Thu, 23 Feb 2023 17:27:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-24 14:23:14.677749
• Title: RSFDM-Net: Real-time Spatial and Frequency Domains Modulation Network for Underwater Image Enhancement
• Title（参考訳）: RSFDM-Net:水中画像強調のためのリアルタイム空間・周波数領域変調ネットワーク
• Authors: Jingxia Jiang, Jinbin Bai, Yun Liu, Junjie Yin, Sixiang Chen, Tian Ye, Erkang Chen
• Abstract要約: 水中画像における色や細部を効率的に拡張するためのリアルタイム空間・周波数領域変調ネットワーク(RSFDM-Net)を提案する。 提案した条件付きネットワークは,適応フーリエゲーティング機構 (AFGM) とマルチスケール・コントラルアテンションモジュール (MCAM) を用いて設計されている。 画像のカラーキャストと低彩度をより正確に補正するために、一次ネットに3分岐特徴抽出(TFE)ブロックを導入する。
• 参考スコア（独自算出の注目度）: 5.3240763486073055
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Underwater images typically experience mixed degradations of brightness and structure caused by the absorption and scattering of light by suspended particles. To address this issue, we propose a Real-time Spatial and Frequency Domains Modulation Network (RSFDM-Net) for the efficient enhancement of colors and details in underwater images. Specifically, our proposed conditional network is designed with Adaptive Fourier Gating Mechanism (AFGM) and Multiscale Convolutional Attention Module (MCAM) to generate vectors carrying low-frequency background information and high-frequency detail features, which effectively promote the network to model global background information and local texture details. To more precisely correct the color cast and low saturation of the image, we introduce a Three-branch Feature Extraction (TFE) block in the primary net that processes images pixel by pixel to integrate the color information extended by the same channel (R, G, or B). This block consists of three small branches, each of which has its own weights. Extensive experiments demonstrate that our network significantly outperforms over state-of-the-art methods in both visual quality and quantitative metrics.
• Abstract（参考訳）: 水中画像は通常、懸濁粒子による光の吸収と散乱による明るさと構造の混合劣化を経験する。 そこで本稿では,水中画像における色やディテールの高効率化を目的としたリアルタイム空間領域変調ネットワーク(rsfdm-net)を提案する。 具体的には,適応的フーリエゲーティング機構 (AFGM) とマルチスケール・コンボリューショナル・アテンション・モジュール (MCAM) を用いて,低周波背景情報と高周波詳細特徴を持つベクトルを生成し,グローバルな背景情報と局所的なテクスチャの詳細をモデル化するネットワークを効果的に促進する。 画像のカラーキャストと彩度低下をより正確に補正するため、同じチャンネル(r,g,b)で拡張された色情報を統合するために、画像画素をピクセルごとに処理するプライマリネットの3分岐特徴抽出(tfe)ブロックを導入する。 このブロックは3つの小さな枝で構成され、それぞれ独自の重みを持つ。 大規模な実験により、我々のネットワークは視覚的品質と量的指標の両方において最先端の手法よりも著しく優れていた。

関連論文リスト

• Wavelet-based Bi-dimensional Aggregation Network for SAR Image Change Detection [53.842568573251214]
  3つのSARデータセットによる実験結果から、我々のWBANetは現代最先端の手法を著しく上回っていることが明らかとなった。 我々のWBANetは、それぞれのデータセットで98.33%、96.65%、96.62%の正確な分類(PCC)を達成している。
  論文  参考訳（メタデータ） (2024-07-18T04:36:10Z)
• FDCE-Net: Underwater Image Enhancement with Embedding Frequency and Dual Color Encoder [49.79611204954311]
  水中画像は、低明度、色の変化、ぼやけた詳細、吸光光によるノイズ、水や懸濁粒子による散乱などの様々な問題に悩まされることが多い。 従来の水中画像強調法(UIE)は主に空間領域の強調に焦点を当てており、画像固有の周波数領域情報を無視している。
  論文  参考訳（メタデータ） (2024-04-27T15:16:34Z)
• Efficient Multi-scale Network with Learnable Discrete Wavelet Transform for Blind Motion Deblurring [25.36888929483233]
  そこで本研究では,シングルインプットとマルチアウトプット(SIMO)に基づくマルチスケールネットワークを提案する。 実世界の軌道特性を学習可能なウェーブレット変換モジュールと組み合わせて、ぼやけた画像から鋭い画像へのステップバイステップ遷移の方向連続性と周波数特性に着目した。
  論文  参考訳（メタデータ） (2023-12-29T02:59:40Z)
• 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)
• Wavelet-based Fourier Information Interaction with Frequency Diffusion Adjustment for Underwater Image Restoration [6.185197290440237]
  本稿では,周波数領域情報と拡散モデルの特徴をフル活用するWF-Diffを提案する。 WF-Diffは、ウェーブレットベースのフーリエ情報インタラクションネットワーク(WFI2-net)と周波数残差拡散調整モジュール(FRDAM)の2つの分離可能なネットワークで構成されている。 提案アルゴリズムは,実世界の水中画像データセット上でのSOTA性能を示し,視覚的品質の競争性能を実現する。
  論文  参考訳（メタデータ） (2023-11-28T14:58:32Z)
• Multi-scale frequency separation network for image deblurring [10.511076996096117]
  本稿では,マルチスケール周波数分離ネットワーク (MSFS-Net) を用いた画像分解手法を提案する。 MSFS-Netは複数のスケールで画像の低周波・高周波情報をキャプチャする。 ベンチマークデータセットの実験により,提案したネットワークが最先端の性能を達成することが示された。
  論文  参考訳（メタデータ） (2022-06-01T23:48:35Z)
• A Wavelet-based Dual-stream Network for Underwater Image Enhancement [11.178274779143209]
  水中画像のカラーキャストやぼやけた細部に対処するウェーブレットベースのデュアルストリームネットワークを提案する。 離散ウェーブレット変換を用いて、入力画像を複数の周波数帯域に分解することで、これらのアーティファクトを別々に処理する。 提案手法を実環境および合成水中データセットの両方で検証し,計算複雑性の低い色補正およびぼかし除去におけるモデルの有効性を示した。
  論文  参考訳（メタデータ） (2022-02-17T16:57:25Z)
• TBNet:Two-Stream Boundary-aware Network for Generic Image Manipulation Localization [49.521622399483846]
  汎用画像操作のローカライゼーションのための新しいエンド・ツー・エンド2ストリーム境界対応ネットワーク(TBNet)を提案する。 提案したTBNetは、MCCとF1の両方の観点から、最先端の汎用画像操作のローカライズ手法を大幅に上回ることができる。
  論文  参考訳（メタデータ） (2021-08-10T08:22:05Z)
• Underwater Image Enhancement via Medium Transmission-Guided Multi-Color Space Embedding [88.46682991985907]
  本稿では,Ucolor と呼ばれる媒体透過誘導多色空間埋め込みによる水中画像強調ネットワークを提案する。 当社のネットワークは、複数の色空間を埋め込むことにより、水中画像の視覚的品質を効果的に改善できます。
  論文  参考訳（メタデータ） (2021-04-27T07:35:30Z)
• A Single Stream Network for Robust and Real-time RGB-D Salient Object Detection [89.88222217065858]
  我々は、深度マップを用いて、RGBと深度の間の早期融合と中核融合を誘導する単一ストリームネットワークを設計する。 このモデルは、現在の最も軽量なモデルよりも55.5%軽く、32 FPSのリアルタイム速度で384倍の384ドルの画像を処理している。
  論文  参考訳（メタデータ） (2020-07-14T04:40:14Z)

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。