論文の概要: 4K-HAZE: A Dehazing Benchmark with 4K Resolution Hazy and Haze-Free Images

• arxiv url: http://arxiv.org/abs/2303.15848v1
• Date: Tue, 28 Mar 2023 09:39:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-29 15:35:03.446838
• Title: 4K-HAZE: A Dehazing Benchmark with 4K Resolution Hazy and Haze-Free Images
• Title（参考訳）: 4K-HAZE:4K解像度とヘイズフリー画像のベンチマーク
• Authors: Zhuoran Zheng and Xiuyi Jia
• Abstract要約: まず、シーンの深さを推定し、光線とオブジェクトの反射率をシミュレートし、GANを用いて合成画像を実際の領域に移行する。 これらの合成画像を4K-HAZEデータセットと呼ばれるベンチマークにラップする。 このアプローチの最も魅力的な側面は、24G RAMをリアルタイムで(33fps)1つのGPU上で4Kイメージを実行する機能です。
• 参考スコア（独自算出の注目度）: 12.402054374952485
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Currently, mobile and IoT devices are in dire need of a series of methods to enhance 4K images with limited resource expenditure. The absence of large-scale 4K benchmark datasets hampers progress in this area, especially for dehazing. The challenges in building ultra-high-definition (UHD) dehazing datasets are the absence of estimation methods for UHD depth maps, high-quality 4K depth estimation datasets, and migration strategies for UHD haze images from synthetic to real domains. To address these problems, we develop a novel synthetic method to simulate 4K hazy images (including nighttime and daytime scenes) from clear images, which first estimates the scene depth, simulates the light rays and object reflectance, then migrates the synthetic images to real domains by using a GAN, and finally yields the hazy effects on 4K resolution images. We wrap these synthesized images into a benchmark called the 4K-HAZE dataset. Specifically, we design the CS-Mixer (an MLP-based model that integrates \textbf{C}hannel domain and \textbf{S}patial domain) to estimate the depth map of 4K clear images, the GU-Net to migrate a 4K synthetic image to the real hazy domain. The most appealing aspect of our approach (depth estimation and domain migration) is the capability to run a 4K image on a single GPU with 24G RAM in real-time (33fps). Additionally, this work presents an objective assessment of several state-of-the-art single-image dehazing methods that are evaluated using the 4K-HAZE dataset. At the end of the paper, we discuss the limitations of the 4K-HAZE dataset and its social implications.
• Abstract（参考訳）: 現在、モバイルとIoTデバイスは、限られたリソース支出で4K画像を強化する一連の方法を必要としている。 大規模な4kベンチマークデータセットがないことは、この分野、特にデハジングの進展を妨げている。 UHDデハージングデータセットを構築する上での課題は、UHD深度マップの推定方法がないこと、高品質な4K深度推定データセット、UHDヘイズ画像の合成ドメインから実際のドメインへのマイグレーション戦略である。 これらの問題に対処するために,まずシーンの奥行きを推定し,光線と物体反射をシミュレートし,次にganを用いて合成画像を実領域に移動させ,最終的に4k解像度画像にハザイ効果を与える,明画像から4kハザイ画像(夜間および昼間シーンを含む)をシミュレートする新しい合成手法を開発した。 これらの合成画像を4K-HAZEデータセットと呼ばれるベンチマークにラップする。 具体的には、cs-mixer( \textbf{c}hannelドメインと \textbf{s}patialドメインを統合したmlpベースのモデル)を設計し、4kクリアイメージの深さマップを推定し、gu-netは4k合成画像を実際のhazyドメインに移行する。 このアプローチの最も魅力的な側面(詳細な推定とドメインマイグレーション)は、24G RAMをリアルタイム(33fps)で1つのGPU上で4Kイメージを実行する能力です。 さらに,4k-hazeデータセットを用いて評価した,最先端の単一画像デハジング手法を客観的に評価する。 論文の最後には,4K-HAZEデータセットの限界とその社会的意味について論じる。

関連論文リスト

• Enhancing Underwater Imaging with 4-D Light Fields: Dataset and Method [77.80712860663886]
  4次元光場(LF)は、光吸収、散乱、その他の課題に悩まされる水中イメージングを強化する。 水中4次元LF画像強調と深度推定のためのプログレッシブフレームワークを提案する。 学習手法の定量的評価と教師あり訓練のための,最初の4次元LFに基づく水中画像データセットを構築した。
  論文  参考訳（メタデータ） (2024-08-30T15:06:45Z)
• HoloHisto: End-to-end Gigapixel WSI Segmentation with 4K Resolution Sequential Tokenization [21.1691961979094]
  デジタル病理学では、ディープラーニングに基づくイメージセグメンテーションの伝統的な方法は通常、2段階のプロセスを含む。 本稿では,ギガピクセルWSI上でのエンドツーエンドのセグメンテーションを実現するために,ホロヒスト法(HoloHisto)セグメンテーション法を提案する。 HoloHistoプラットフォームでは、超高解像度の4Kサンプルをランダムに公開しています。
  論文  参考訳（メタデータ） (2024-07-03T17:49:31Z)
• 4K4DGen: Panoramic 4D Generation at 4K Resolution [67.98105958108503]
  一つのパノラマを没入的な4D体験に高めるという課題に取り組む。 初めて、4K解像度で360$circ$のビューで全方位動的シーンを生成する能力を実証した。 高品質なパノラマ・ト・4Dを4Kの解像度で初めて実現した。
  論文  参考訳（メタデータ） (2024-06-19T13:11:02Z)
• Towards Ultra-High-Definition Image Deraining: A Benchmark and An Efficient Method [42.331058889312466]
  本稿では,4K解像度で13,000枚の画像対を含む4K-Rain13kの大規模UHD画像デライニングデータセットについて述べる。 我々は,この課題をより効果的かつ効率的な視覚ベースアーキテクチャ (UDR-Mixer) を開発した。
  論文  参考訳（メタデータ） (2024-05-27T11:45:08Z)
• Real-Time 4K Super-Resolution of Compressed AVIF Images. AIS 2024 Challenge Survey [116.29700317843043]
  本稿では,AIS 2024 Real-Time Image Super-Resolution Challengeの一環として,新しいベンチマークを提案する。 圧縮された画像を540pから4Kの解像度で、商用GPUでリアルタイムでアップスケールすることを目指している。 デジタルアートからゲーム、写真まで、さまざまな4K画像を含む多様なテストセットを使用します。
  論文  参考訳（メタデータ） (2024-04-25T10:12:42Z)
• UE4-NeRF:Neural Radiance Field for Real-Time Rendering of Large-Scale Scene [52.21184153832739]
  本研究では,大規模シーンのリアルタイムレンダリングに特化して設計されたUE4-NeRFと呼ばれるニューラルレンダリングシステムを提案する。 提案手法は,Unreal Engine 4 (UE4)のUnrealization Pipelineと組み合わせて,最大43FPSのフレームレートで4K解像度で大規模シーンのリアルタイムレンダリングを実現する。
  論文  参考訳（メタデータ） (2023-10-20T04:01:35Z)
• 4K4D: Real-Time 4D View Synthesis at 4K Resolution [86.6582179227016]
  本稿では、4K解像度で動的3Dシーンを高忠実かつリアルタイムに見ることを目的とする。 ハードウェア化をサポートし,前例のないレンダリング速度を実現する4Dポイントクラウド表現を提案する。 私たちの表現は、1080p解像度のDNAレンダリングデータセットで400 FPS、4090 GPUで4K解像度のENeRF-Outdoorデータセットで80 FPSでレンダリングできます。
  論文  参考訳（メタデータ） (2023-10-17T17:57:38Z)
• Towards Efficient and Scale-Robust Ultra-High-Definition Image Demoireing [71.62289021118983]
  本研究では、4Kモアレ画像に対処する効率的なベースラインモデルESDNetを提案する。 我々の手法は、より軽量でありながら、最先端の手法よりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2022-07-20T14:20:52Z)
• Single UHD Image Dehazing via Interpretable Pyramid Network [10.00144096602321]
  現在、ほとんどのシングルイメージデハージングモデルは、単一のGPUで超高解像度(UHD)イメージをリアルタイムで実行することはできない。 テイラーの定理をラプラスのピラミッドパターンで無限近似する原理を導入し、4K画像をリアルタイムで処理できるモデルを構築する。
  論文  参考訳（メタデータ） (2022-02-17T11:14:12Z)

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。