論文の概要: CCDWT-GAN: Generative Adversarial Networks Based on Color Channel Using
Discrete Wavelet Transform for Document Image Binarization
- arxiv url: http://arxiv.org/abs/2305.17420v2
- Date: Thu, 24 Aug 2023 06:39:18 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-25 17:52:04.377564
- Title: CCDWT-GAN: Generative Adversarial Networks Based on Color Channel Using
Discrete Wavelet Transform for Document Image Binarization
- Title（参考訳）: CCDWT-GAN:文書画像二元化のための離散ウェーブレット変換を用いたカラーチャネルに基づく生成逆ネットワーク
- Authors: Rui-Yang Ju, Yu-Shian Lin, Jen-Shiun Chiang, Chih-Chia Chen, Wei-Han
Chen, Chun-Tse Chien
- Abstract要約: 本稿では,カラーチャネルに基づく生成逆ネットワークを用いた新規性手法を提案する。
提案手法は, 画像前処理, 画像強調, 画像バイナライゼーションの3段階からなる。
実験の結果、CCDWT-GANは複数のベンチマークデータセットで上位2つの性能を達成した。
- 参考スコア（独自算出の注目度）: 3.0175628677371935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: To efficiently extract textual information from color degraded document
images is a significant research area. The prolonged imperfect preservation of
ancient documents has led to various types of degradation, such as page
staining, paper yellowing, and ink bleeding. These types of degradation badly
impact the image processing for features extraction. This paper introduces a
novelty method employing generative adversarial networks based on color channel
using discrete wavelet transform (CCDWT-GAN). The proposed method involves
three stages: image preprocessing, image enhancement, and image binarization.
In the initial step, we apply discrete wavelet transform (DWT) to retain the
low-low (LL) subband image, thereby enhancing image quality. Subsequently, we
divide the original input image into four single-channel colors (red, green,
blue, and gray) to separately train adversarial networks. For the extraction of
global and local features, we utilize the output image from the image
enhancement stage and the entire input image to train adversarial networks
independently, and then combine these two results as the final output. To
validate the positive impact of the image enhancement and binarization stages
on model performance, we conduct an ablation study. This work compares the
performance of the proposed method with other state-of-the-art (SOTA) methods
on DIBCO and H-DIBCO ((Handwritten) Document Image Binarization Competition)
datasets. The experimental results demonstrate that CCDWT-GAN achieves a top
two performance on multiple benchmark datasets. Notably, on DIBCO 2013 and 2016
dataset, our method achieves F-measure (FM) values of 95.24 and 91.46,
respectively.
- Abstract（参考訳）: 色劣化文書画像からテキスト情報を抽出することが重要な研究領域である。
古文書の保存が長引くことで、ページ染色、紙の黄色化、インクの出血など、様々な種類の劣化が生じた。
この種の劣化は特徴抽出のための画像処理に大きく影響した。
本稿では,離散ウェーブレット変換(CCDWT-GAN)を用いたカラーチャネルに基づく生成逆ネットワークを用いた新規性手法を提案する。
提案手法は,画像の前処理,画像強調,画像二元化の3段階を含む。
最初のステップでは、低低域(LL)サブバンド画像を保持するために離散ウェーブレット変換(DWT)を適用し、画質を向上させる。
その後、元の入力画像を4つのシングルチャンネルカラー(赤、緑、青、グレー)に分割し、敵ネットワークを個別に訓練する。
大域的特徴と局所的特徴の抽出のために,画像強調ステージからの出力画像と入力画像全体を用いて,敵ネットワークを独立に訓練し,これら2つの結果を最終出力として合成する。
画像強調とバイナライゼーションの段階がモデル性能に与える影響を検証するため,アブレーション実験を行った。
本研究は,提案手法とDIBCOおよびH-DIBCO(Handwriting)文書画像バイナリ化コンペティション)データセットを用いたSOTA法の性能を比較した。
実験の結果、CCDWT-GANは複数のベンチマークデータセットで上位2つの性能を達成した。
特に,DIBCO 2013 と 2016 のデータセットでは,それぞれ 95.24 と 91.46 の F-measure (FM) 値が得られた。
関連論文リスト
- Transforming Color: A Novel Image Colorization Method [8.041659727964305]
本稿では,色変換器とGANを用いた画像カラー化手法を提案する。
提案手法は,グローバルな情報を取得するためのトランスフォーマーアーキテクチャと,視覚的品質を改善するためのGANフレームワークを統合する。
実験の結果,提案するネットワークは,他の最先端のカラー化技術よりも優れていた。
論文 参考訳（メタデータ） (2024-10-07T07:23:42Z) - Enhance Image Classification via Inter-Class Image Mixup with Diffusion Model [80.61157097223058]
画像分類性能を高めるための一般的な戦略は、T2Iモデルによって生成された合成画像でトレーニングセットを増強することである。
本研究では,既存のデータ拡張技術の欠点について検討する。
Diff-Mixと呼ばれる革新的なクラス間データ拡張手法を導入する。
論文 参考訳（メタデータ） (2024-03-28T17:23:45Z) - 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) - A Layer-Wise Tokens-to-Token Transformer Network for Improved Historical
Document Image Enhancement [13.27528507177775]
Tokens-to-token Vision Transformer に基づく新しい文書バイナライゼーション・エンコーダ・デコーダアーキテクチャである textbfT2T-BinFormer を提案する。
様々なDIBCOおよびH-DIBCOベンチマークの実験により、提案モデルは既存のCNNおよびViTベースの最先端手法よりも優れていることが示された。
論文 参考訳（メタデータ） (2023-12-06T23:01:11Z) - Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。
本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。
実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
論文 参考訳（メタデータ） (2023-09-30T02:54:51Z) - Three-stage binarization of color document images based on discrete wavelet transform and generative adversarial networks [0.0]
本研究は,GANを用いた劣化文書の画像強調とバイナライゼーションに有効な3段階ネットワーク手法を提案する。
実験の結果、提案手法のAvg-Score測定値は、(H)-DIBCO 2011, 2013, 2014, 2017, 2018データセット上で77.64, 77.95, 79.05, 76.38, 75.34, 77.00であることが示されている。
論文 参考訳（メタデータ） (2022-11-29T11:17:34Z) - Document Image Binarization in JPEG Compressed Domain using Dual
Discriminator Generative Adversarial Networks [0.0]
提案したモデルは、穴、消し去られた、あるいは汚されたインク、粉塵、ずれた繊維といった課題を持つDIBCOデータセットのさまざまなバージョンで徹底的にテストされている。
このモデルは非常に堅牢で、時間と空間の複雑さの両面で効率的であることが証明され、JPEG圧縮領域における最先端の性能がもたらされた。
論文 参考訳（メタデータ） (2022-09-13T12:07:32Z) - Palette: Image-to-Image Diffusion Models [50.268441533631176]
我々は条件付き拡散モデルを用いた画像から画像への変換のためのシンプルで一般的なフレームワークであるPaletteを紹介する。
4つの困難な画像から画像への変換タスクにおいて、Paletteは強力なGANと回帰ベースラインを上回っている。
本稿では、FID、インセプションスコア、事前訓練されたResNet-50の分類精度、参照画像に対する知覚距離などのサンプル品質スコアについて報告する。
論文 参考訳（メタデータ） (2021-11-10T17:49:29Z) - Two-stage generative adversarial networks for document image
binarization with color noise and background removal [7.639067237772286]
本稿では,2段階のカラー文書画像強調・バイナライゼーション手法を提案する。
第1段階では、4つの色非依存の敵ネットワークを訓練し、入力画像から色前景情報を抽出する。
第2段階では、大域的・局所的な特徴を持つ2つの独立した敵対的ネットワークが、可変サイズの文書の画像バイナライズのために訓練されている。
論文 参考訳（メタデータ） (2020-10-20T07:51:50Z) - Instance-aware Image Colorization [51.12040118366072]
本稿では,インスタンス認識のカラー化を実現する手法を提案する。
我々のネットワークアーキテクチャは、市販のオブジェクト検出器を利用して、収穫されたオブジェクト画像を取得する。
類似したネットワークを用いて、フルイメージの特徴を抽出し、融合モジュールを適用して最終色を予測する。
論文 参考訳（メタデータ） (2020-05-21T17:59:23Z) - Supervised and Unsupervised Learning of Parameterized Color Enhancement [112.88623543850224]
我々は、教師なし学習と教師なし学習の両方を用いて、画像翻訳タスクとしての色強調の問題に取り組む。
我々は,MIT-Adobe FiveKベンチマークにおいて,教師付き(ペアデータ)と教師なし(ペアデータ)の2つの画像強調手法と比較して,最先端の結果が得られた。
20世紀初頭の写真や暗黒ビデオフレームに応用することで,本手法の一般化能力を示す。
論文 参考訳（メタデータ） (2019-12-30T13:57:06Z)
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。