論文の概要: Star-Net: Improving Single Image Desnowing Model With More Efficient Connection and Diverse Feature Interaction

• arxiv url: http://arxiv.org/abs/2303.09988v1
• Date: Fri, 17 Mar 2023 14:03:49 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-20 14:26:11.641097
• Title: Star-Net: Improving Single Image Desnowing Model With More Efficient Connection and Diverse Feature Interaction
• Title（参考訳）: star-net: より効率的な接続と多様な機能インタラクションによる単一の画像認識モデルの改善
• Authors: Jiawei Mao, Yuanqi Chang, Xuesong Yin, Binling Nie
• Abstract要約: 本稿では,Star-Netと呼ばれる新しい単一画像認識ネットワークを提案する。 まず、スター型スキップ接続(SSC)を設計し、全ての異なる機能のための情報チャネルを確立する。 第2に、Star-NetのベースモジュールとしてMulti-Stage Interactive Transformer(MIT)を提案する。 第3に, 積雪粒子と積雪霧を除去するデジネートフィルタモジュール (DFM) を提案する。
• 参考スコア（独自算出の注目度）: 0.8602553195689513
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Compared to other severe weather image restoration tasks, single image desnowing is a more challenging task. This is mainly due to the diversity and irregularity of snow shape, which makes it extremely difficult to restore images in snowy scenes. Moreover, snow particles also have a veiling effect similar to haze or mist. Although current works can effectively remove snow particles with various shapes, they also bring distortion to the restored image. To address these issues, we propose a novel single image desnowing network called Star-Net. First, we design a Star type Skip Connection (SSC) to establish information channels for all different scale features, which can deal with the complex shape of snow particles.Second, we present a Multi-Stage Interactive Transformer (MIT) as the base module of Star-Net, which is designed to better understand snow particle shapes and to address image distortion by explicitly modeling a variety of important image recovery features. Finally, we propose a Degenerate Filter Module (DFM) to filter the snow particle and snow fog residual in the SSC on the spatial and channel domains. Extensive experiments show that our Star-Net achieves state-of-the-art snow removal performances on three standard snow removal datasets and retains the original sharpness of the images.
• Abstract（参考訳）: 他の厳しい気象画像復元タスクと比較すると、単一の画像認識はより困難なタスクである。 これは主に雪の形状が多様で不規則であるため、雪の場面でイメージを復元することは極めて困難である。 さらに、雪の粒子は、ヘイズやミストに似たベール効果も持つ。 現在の作業では、様々な形状の雪粒子を効果的に除去できるが、復元された画像にも歪みをもたらす。 この問題に対処するため,我々はstar-netと呼ばれる新しい画像認識ネットワークを提案する。 まず, 積雪粒子の複雑な形状に対処可能な, 様々な規模の情報チャネルを確立するために, SSC (Star Type Skip Connection) を設計し, 積雪粒子の形状をよりよく理解し, 様々な重要な画像復元特徴を明示的にモデル化することで, 画像歪みに対処するために, マルチステージインタラクティブトランスフォーマ (MIT) をStar-Netのベースモジュールとして提案する。 最後に,sscにおける雪粒子と雪霧の残留を空間領域と流路領域にフィルターする縮退フィルタモジュール(dfm)を提案する。 大規模実験により,3つの標準除雪データセットで最新の除雪性能を達成し,画像のシャープさを保った。

関連論文リスト

• Few-shot point cloud reconstruction and denoising via learned Guassian splats renderings and fine-tuned diffusion features [52.62053703535824]
  本稿では,少数の画像から点雲を再構成し,そのレンダリングから点雲を識別する手法を提案する。 制約条件下での再構成を改善するため,ハイブリッド表面と外観の相違点のトレーニングを規則化する。 これらの学習したフィルタを使って、3Dの監督なしに来る点雲ノイズを除去する方法を実証する。
  論文  参考訳（メタデータ） (2024-04-01T13:38:16Z)
• Curricular Contrastive Regularization for Physics-aware Single Image Dehazing [56.392696439577165]
  本研究では, コンセンサス空間を対象とし, 非コンセンサス空間ではなく, 新規なコントラスト正規化を提案する。 我々の負は,1)ハズーな画像から,2)既存の手法による対応する復元から,より低い制約を提供することができる。 このユニットは、直交的なコントラスト正規化とともに、C2PNetというデハジングネットワークを確立します。
  論文  参考訳（メタデータ） (2023-03-24T18:18:25Z)
• NerfDiff: Single-image View Synthesis with NeRF-guided Distillation from 3D-aware Diffusion [107.67277084886929]
  単一の画像からの新しいビュー合成には、オブジェクトやシーンの隠蔽領域を推論すると同時に、入力とのセマンティックおよび物理的整合性を同時に維持する必要がある。 そこで我々は,NerfDiffを提案する。NerfDiffは3D対応条件拡散モデル(CDM)の知識を,テスト時に仮想ビューの集合を合成・精製することで,NeRFに抽出することでこの問題に対処する。 さらに,CDMサンプルから3次元一貫した仮想ビューを同時に生成し,改良された仮想ビューに基づいてNeRFを微調整する新しいNeRF誘導蒸留アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-02-20T17:12:00Z)
• See Blue Sky: Deep Image Dehaze Using Paired and Unpaired Training Images [73.23687409870656]
  本稿では,新しいエンドツーエンド画像デヘイズモデルを構築するために,サイクル生成対向ネットワークを提案する。 我々は、実世界の未ペア画像データセットとペア画像データセットのセットを含む、私たちのモデルをトレーニングするために、屋外画像データセットを採用しています。 本モデルでは, サイクル構造に基づいて, 対向損失, サイクル整合損失, フォトリアリズム損失, ペアL1損失を含む4種類の損失関数を付加した。
  論文  参考訳（メタデータ） (2022-10-14T07:45:33Z)
• SnowFormer: Scale-aware Transformer via Context Interaction for Single Image Desnowing [9.747362856056162]
  本研究では,SnowFormerと呼ばれる強力なアーキテクチャを提案する。 エンコーダでスケール対応の特徴集約を行い、様々な劣化の豊富な雪情報をキャプチャする。 また、デコーダに新しいコンテキストインタラクショントランスフォーマーブロック(Context Interaction Transformer Block)を使用し、ローカル詳細とグローバル情報のコンテキストインタラクションを実行する。
  論文  参考訳（メタデータ） (2022-08-20T15:01:09Z)
• MSP-Former: Multi-Scale Projection Transformer for Single Image Desnowing [6.22867695581195]
  1枚の画像から雪を除去する作業に視覚変換器を適用した。 チャネルに沿って分割された並列ネットワークアーキテクチャを提案し、局所的な特徴改善とグローバルな情報モデリングを別々に行う。 実験では,本手法の優位性を示すため,広範囲な実験を行った。
  論文  参考訳（メタデータ） (2022-07-12T15:44:07Z)
• Towards Real-time High-Definition Image Snow Removal: Efficient Pyramid Network with Asymmetrical Encoder-decoder Architecture [6.682410871522934]
  リアルタイムHD画像認識のための非対称エンコーダデコーダアーキテクチャを用いた高効率ピラミッドネットワークを開発した。 提案手法は,HDおよびUltra-HD画像の処理困難を効果的に処理し,より複雑な処理性能のトレードオフを実現する。
  論文  参考訳（メタデータ） (2022-07-12T15:18:41Z)
• Snow Mask Guided Adaptive Residual Network for Image Snow Removal [21.228758052455273]
  雪は、高レベルのコンピュータビジョンタスクのパフォーマンスに深刻な影響を与える非常に一般的な大気現象である。 SMGARN(Snow Mask Guided Adaptive Residual Network)を提案する。 Mask-Net、Guidance-Fusion Network (GF-Net)、Reconstruct-Netの3部で構成されている。 SMGARNは既存の除雪方法よりも数値的に優れており、再構成された画像は視覚的コントラストにおいてより鮮明である。
  論文  参考訳（メタデータ） (2022-07-11T10:30:46Z)
• Deep Dense Multi-scale Network for Snow Removal Using Semantic and Geometric Priors [78.61844008368587]
  本研究では, 積雪除去のための深度多スケールネットワーク (textbfDDMSNet) を提案する。 セマンティクスマップと幾何マップを入力として取り入れ,セマンティクス・アウェア表現と幾何アウェア表現を学習して雪を取り除く。
  論文  参考訳（メタデータ） (2021-03-21T03:30:30Z)
• NeRF in the Wild: Neural Radiance Fields for Unconstrained Photo Collections [47.9463405062868]
  本研究では,非構造化画像のみを用いて,複雑なシーンの新たなビューを合成する学習的手法を提案する。 我々は、多層パーセプトロンの重みを利用して、シーンの密度と色を3次元座標の関数としてモデル化するニューラルレージアンス場(NeRF)を構築した。 我々はこれらの問題に対処するために、NeRFの一連の拡張を導入し、インターネットから取得した非構造化画像からの正確な再構築を可能にする。
  論文  参考訳（メタデータ） (2020-08-05T17:51:16Z)

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。