論文の概要: Semi-supervised Parametric Real-world Image Harmonization

• arxiv url: http://arxiv.org/abs/2303.00157v1
• Date: Wed, 1 Mar 2023 01:09:01 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-02 16:28:45.162686
• Title: Semi-supervised Parametric Real-world Image Harmonization
• Title（参考訳）: 半教師付きパラメトリック実世界画像調和化
• Authors: Ke Wang, Micha\"el Gharbi, He Zhang, Zhihao Xia and Eli Shechtman
• Abstract要約: 学習に基づく画像調和技術は、通常、単一の地上真実写真において、マスクされた前景に適用された合成ランダムなグローバル変換を解き放つために訓練される。 このシミュレーションデータは、実際の複合材料において、前景と背景の間の重要なミスマッチの多くをモデル化していない。 そこで本研究では,この問題を解決するための半教師付きトレーニング戦略を提案する。
• 参考スコア（独自算出の注目度）: 38.66826236220168
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Learning-based image harmonization techniques are usually trained to undo synthetic random global transformations applied to a masked foreground in a single ground truth photo. This simulated data does not model many of the important appearance mismatches (illumination, object boundaries, etc.) between foreground and background in real composites, leading to models that do not generalize well and cannot model complex local changes. We propose a new semi-supervised training strategy that addresses this problem and lets us learn complex local appearance harmonization from unpaired real composites, where foreground and background come from different images. Our model is fully parametric. It uses RGB curves to correct the global colors and tone and a shading map to model local variations. Our method outperforms previous work on established benchmarks and real composites, as shown in a user study, and processes high-resolution images interactively.
• Abstract（参考訳）: 学習に基づく画像調和技術は、通常、1枚の地上真理写真において仮面前景に適用される合成ランダム大域変換を解き放つために訓練される。 このシミュレーションデータは、実際のコンポジットにおける前景と背景の間の重要な外観ミスマッチ(照明、オブジェクト境界など)の多くをモデル化せず、うまく一般化せず、複雑な局所的な変更をモデル化できないモデルへと繋がる。 我々は,この問題に対処するための新しい半教師付きトレーニング戦略を提案し,前景と背景が異なる画像から生じる非ペア型実複合物からの複雑な局所的外観調和を学習する。 私たちのモデルは完全なパラメトリックです。 グローバルな色とトーンを補正するためにRGB曲線を使用し、局所的なバリエーションをモデル化するためにシェーディングマップを使用する。 本手法は,確立されたベンチマークと実合成の先行研究よりも優れており,高分解能画像をインタラクティブに処理する。

関連論文リスト

• Learning Dual-Level Deformable Implicit Representation for Real-World Scale Arbitrary Super-Resolution [81.74583887661794]
  整数と非整数のスケーリング要素を併用した,新しい実世界のスーパーレゾリューションベンチマークを構築した。 実世界の任意の超解像を解くために,Dual-level Deformable Implicit Representation (DDIR)を提案する。 実世界の任意の超解像のためのRealArbiSRおよびRealSRベンチマークの最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-03-16T13:44:42Z)
• Intrinsic Harmonization for Illumination-Aware Compositing [0.7366405857677227]
  固有画像領域で定式化された自己教師付き照明調和方式を提案する。 まず、中間レベルの視覚表現から簡単な大域照明モデルを推定し、前景領域の粗いシェーディングを生成する。 ネットワークはこの推論シェーディングを洗練し、背景のシーンと整合する再シェーディングを生成する。
  論文  参考訳（メタデータ） (2023-12-06T18:59:03Z)
• Deep Image Harmonization with Learnable Augmentation [17.690945824240348]
  小型データセットの照明多様性を向上し、調和性能を向上させるため、学習可能な拡張法を提案する。 SycoNetは、フォアグラウンドマスクとランダムベクトルで実画像を取り込んで、適切な色変換を学習し、この実画像のフォアグラウンドに適用して合成合成合成画像を生成する。
  論文  参考訳（メタデータ） (2023-08-01T08:40:23Z)
• CcHarmony: Color-checker based Image Harmonization Dataset [13.651034765401386]
  合成画像の前景を調整して背景と互換性を持たせ、よりリアルで調和した画像を生成する。 我々は、カラーチェッカー(cc)にちなむccHarmonyと呼ばれる画像調和データセットを構築した。
  論文  参考訳（メタデータ） (2022-06-01T23:57:16Z)
• FRIH: Fine-grained Region-aware Image Harmonization [49.420765789360836]
  我々は,FRIH(Fentral-Aware Image Harmonization)のための新しいグローバルな2段階フレームワークを提案する。 提案アルゴリズムは,軽量モデルを用いて,iHarmony4データセット(PSNRは38.19dB)上で最高の性能を実現する。
  論文  参考訳（メタデータ） (2022-05-13T04:50:26Z)
• Image Harmonization by Matching Regional References [10.249228010611617]
  最近の画像調和法は, 一般的にグローバルな背景の出現パターンを要約し, 位置差のないグローバルな前景に適用する。 実際の画像では、異なる領域の外観(照度、色温度、彩度、色調、テクスチャなど)が著しく変化する。 外観を世界中に伝達する従来手法は最適ではない。
  論文  参考訳（メタデータ） (2022-04-10T16:23:06Z)
• SSH: A Self-Supervised Framework for Image Harmonization [97.16345684998788]
  我々は、編集せずに「自由」な自然画像だけで訓練できる新しい自己改善調和フレームワーク(SSH)を提案する。 提案したSSHは,基準指標,視覚的品質,主観的ユーザスタディにおいて,従来の最先端手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-08-15T19:51:33Z)
• SIR: Self-supervised Image Rectification via Seeing the Same Scene from Multiple Different Lenses [82.56853587380168]
  本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。 我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。 本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-30T08:23:25Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)

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。