論文の概要: Restormer-Plus for Real World Image Deraining: One State-of-the-Art Solution to the GT-RAIN Challenge (CVPR 2023 UG2+ Track 3)

• arxiv url: http://arxiv.org/abs/2305.05454v4
• Date: Fri, 11 Oct 2024 03:17:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-10-14 13:28:33.885979
• Title: Restormer-Plus for Real World Image Deraining: One State-of-the-Art Solution to the GT-RAIN Challenge (CVPR 2023 UG2+ Track 3)
• Title（参考訳）: Restormer-Plus for Real World Image Deraining: One State-of-the-Art Solution to the GT-RAIN Challenge (CVPR 2023 UG2+ Track 3)
• Authors: Chaochao Zheng, Luping Wang, Bin Liu,
• Abstract要約: Restormer-PlusはGT-RAIN Challengeに提出された。 構造類似度(SSIM)では4位である。 大会の主催者から公式には準優勝の解決策として評価された。
• 参考スコア（独自算出の注目度）: 12.72259527544774
• License:
• Abstract: This technical report presents our Restormer-Plus approach, which was submitted to the GT-RAIN Challenge (CVPR 2023 UG$^2$+ Track 3). Details regarding the challenge are available at http://cvpr2023.ug2challenge.org/track3.html. Restormer-Plus outperformed all other submitted solutions in terms of peak signal-to-noise ratio (PSNR), and ranked 4th in terms of structural similarity (SSIM). It was officially evaluated by the competition organizers as a runner-up solution. It consists of four main modules: the single-image de-raining module (Restormer-X), the median filtering module, the weighted averaging module, and the post-processing module. Restormer-X is applied to each rainy image and built on top of Restormer. The median filtering module is used as a median operator for rainy images associated with each scene. The weighted averaging module combines the median filtering results with those of Restormer-X to alleviate overfitting caused by using only Restormer-X. Finally, the post-processing module is utilized to improve the brightness restoration. These modules make Restormer-Plus one of the state-of-the-art solutions for the GT-RAIN Challenge. Our code can be found at https://github.com/ZJLAB-AMMI/Restormer-Plus.
• Abstract（参考訳）: 本技術報告では,GT-RAIN Challenge(CVPR 2023 UG$^2$+ Track 3)に提出したRestormer-Plusアプローチについて述べる。 チャレンジの詳細はhttp://cvpr2023.ug2challenge.org/track3.htmlで確認できる。 Restormer-Plusは、ピーク信号対雑音比(PSNR)で他の全ての提案されたソリューションより優れており、構造的類似性(SSIM)では4位である。 大会の主催者から公式には準優勝の解決策として評価された。 シングルイメージのデライニングモジュール(Restormer-X)、中央のフィルタリングモジュール、重み付けされた平均モジュール、後処理モジュールの4つの主要モジュールで構成されている。 Restormer-Xは雨のそれぞれの画像に適用され、Restormer上に構築される。 中央フィルタリングモジュールは、各シーンに関連付けられた雨画像の中央オペレータとして使用される。 加重平均モジュールは、中央のフィルタリング結果とRestormer-Xのフィルタ結果を組み合わせることで、Restormer-Xのみの使用によるオーバーフィッティングを軽減する。 最後に、後処理モジュールを利用して輝度回復を改善する。 これらのモジュールは、Restormer-PlusをGT-RAIN Challengeの最先端ソリューションの1つにしている。 私たちのコードはhttps://github.com/ZJLAB-AMMI/Restormer-Plusで確認できます。

関連論文リスト

• LoRA-IR: Taming Low-Rank Experts for Efficient All-in-One Image Restoration [62.3751291442432]
  高速なオールインワン画像復元を実現するために,コンパクトな低ランクの専門家を動的に活用する,フレキシブルなフレームワークであるLoRA-IRを提案する。 LoRA-IRは、劣化誘導前訓練とパラメータ効率の良い微調整の2つの訓練段階で構成されている。 LoRA-IRは14のイメージ復元タスクと29のベンチマークで最先端のパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2024-10-20T13:00:24Z)
• NTIRE 2024 Restore Any Image Model (RAIM) in the Wild Challenge [60.21380105535203]
  RAIMチャレンジは野生での画像復元のためのベンチマークを構築した。 参加者は、実際の撮影画像が複雑で未知の劣化から復元されることが求められた。 トップランクの手法は最先端の復元性能を改善し、18人の審査員から全会一致の承認を得た。
  論文  参考訳（メタデータ） (2024-05-16T09:26:13Z)
• DiffBIR: Towards Blind Image Restoration with Generative Diffusion Prior [70.46245698746874]
  DiffBIRは、視覚の異なる画像復元タスクを処理できる一般的な修復パイプラインである。 DiffBIRは, ブラインド画像復元問題を, 1) 劣化除去: 画像に依存しない内容の除去; 2) 情報再生: 失われた画像内容の生成の2段階に分離する。 第1段階では, 修復モジュールを用いて劣化を除去し, 高忠実度復元結果を得る。 第2段階では、潜伏拡散モデルの生成能力を活用して現実的な詳細を生成するIRControlNetを提案する。
  論文  参考訳（メタデータ） (2023-08-29T07:11:52Z)
• 1st Solution Places for CVPR 2023 UG$^2$+ Challenge Track 2.2-Coded Target Restoration through Atmospheric Turbulence [12.484269899245515]
  本報告では,CVPR 2023 UG$2$+トラック2.2における大気乱流によるターゲット復元のためのVIELab-HUSTの解について紹介する。 歪んだフレームから高品質な画像を復元するための効率的な多段階フレームワークを提案する。 我々のフレームワークは、最終テストフェーズで提供されるさまざまな種類のコード化されたターゲットデータセットを処理でき、最終リーダーボードで1位にランクインしています。
  論文  参考訳（メタデータ） (2023-06-15T09:06:48Z)
• A Two-Stage Real Image Deraining Method for GT-RAIN Challenge CVPR 2023 Workshop UG$^{\textbf{2}}$+ Track 3 [15.370704973282848]
  雨のフレームから鮮明な画像を再構成する2段階の効率的なフレームワークを提案する。 変圧器をベースとした単一画像デライニングネットワークUformerは,大規模な降雨データセット上で事前トレーニングを行うために実装されている。 われわれのフレームワークは精巧に設計されており、豪雨と霧の双方を処理できる。
  論文  参考訳（メタデータ） (2023-05-13T18:30:27Z)
• 1st Place Solutions for UG2+ Challenge 2022 ATMOSPHERIC TURBULENCE MITIGATION [11.380487356442863]
  歪んだフレームから高品質な画像を再構成するための統一的なエンドツーエンドフレームワークを提案する。 我々のフレームワークは効率的で汎用的であり、ホットエアイメージとテキストパターンの両方に対応しています。 テキストパターンの復元結果の平均精度は98.53%に達し、最終リーダーボードで1位となった。
  論文  参考訳（メタデータ） (2022-10-30T14:11:36Z)
• AIM 2022 Challenge on Instagram Filter Removal: Methods and Results [66.98814754338841]
  本稿では,Instagramフィルタ除去におけるAIM 2022チャレンジの方法と結果を紹介する。 この課題の主な目的は、コンテンツを保存する際に適用されたフィルタの影響を緩和する、現実的で視覚的に可視な画像を作ることである。 ベースラインとしてこのタスクに関する2つの先行研究があり、チャレンジの最終段階では合計9つのチームが競い合っています。
  論文  参考訳（メタデータ） (2022-10-17T12:21:59Z)
• NTIRE 2022 Challenge on High Dynamic Range Imaging: Methods and Results [173.32437855731752]
  この課題はCVPR 2022と共同でNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一環として行われた。 この課題は、複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
  論文  参考訳（メタデータ） (2022-05-25T10:20:06Z)
• Exploiting Global and Local Attentions for Heavy Rain Removal on Single Images [35.596659286313766]
  単一画像からの豪雨除去は、雨のストレークと霧を同時に排除する作業である。 既存の降雨除去方法は, 大雨の場合, あまり一般的ではない。 3つのサブネットワークからなる新しいネットワークアーキテクチャを提案し、単一の画像から大雨を取り除く。
  論文  参考訳（メタデータ） (2021-04-16T14:08:27Z)
• AIM 2020 Challenge on Learned Image Signal Processing Pipeline [150.55468168329926]
  本稿では,第2回AIM学習ISPチャレンジをレビューし,提案したソリューションと結果について解説する。 参加チームは現実世界のRAW-to-RGBマッピング問題を解決し、Huawei P20デバイスが捉えた品質の低いRAW画像を、Canon 5D DSLRカメラで取得したのと同じ写真にマッピングすることを目的としていた。 提案手法はベースライン結果を大幅に改善し,実用的な画像信号処理パイプラインモデリングのための最先端技術を定義した。
  論文  参考訳（メタデータ） (2020-11-10T09:25:47Z)

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。