論文の概要: Illumination Controllable Dehazing Network based on Unsupervised Retinex Embedding

• arxiv url: http://arxiv.org/abs/2306.05675v1
• Date: Fri, 9 Jun 2023 05:19:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-12 14:36:35.360390
• Title: Illumination Controllable Dehazing Network based on Unsupervised Retinex Embedding
• Title（参考訳）: 教師なし網膜埋め込みに基づく照明制御型脱ハージングネットワーク
• Authors: Jie Gui, Xiaofeng Cong, Lei He, Yuan Yan Tang, James Tin-Yau Kwok
• Abstract要約: 本稿では,IC-Dehazing(IC-Dehazing)と呼ばれる照明制御能力を用いたマルチ出力デハージングネットワークを提案する。 提案したIC-Dehazingは、照明制御モジュールの係数を調整することで照明強度を変化させることができる。 ICデハジングのバックボーンデハジングネットワークは、高品質な画像復元のためのダブルデコーダを備えたトランスフォーマーで構成されている。
• 参考スコア（独自算出の注目度）: 35.26757465947962
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: On the one hand, the dehazing task is an illposedness problem, which means that no unique solution exists. On the other hand, the dehazing task should take into account the subjective factor, which is to give the user selectable dehazed images rather than a single result. Therefore, this paper proposes a multi-output dehazing network by introducing illumination controllable ability, called IC-Dehazing. The proposed IC-Dehazing can change the illumination intensity by adjusting the factor of the illumination controllable module, which is realized based on the interpretable Retinex theory. Moreover, the backbone dehazing network of IC-Dehazing consists of a Transformer with double decoders for high-quality image restoration. Further, the prior-based loss function and unsupervised training strategy enable IC-Dehazing to complete the parameter learning process without the need for paired data. To demonstrate the effectiveness of the proposed IC-Dehazing, quantitative and qualitative experiments are conducted on image dehazing, semantic segmentation, and object detection tasks. Code is available at https://github.com/Xiaofeng-life/ICDehazing.
• Abstract（参考訳）: 一方、デヘイジングタスクは不適切な問題であり、一意的な解決策は存在しないことを意味する。 一方、デハジングタスクは、ユーザが選択可能なデハジングされた画像を単一の結果ではなく、ユーザに渡すという主観的な要因を考慮すべきである。 そこで本研究では,IC-Dehazingと呼ばれる照明制御機能を導入し,マルチ出力デハージングネットワークを提案する。 提案するicデハジングは、解釈可能なレチネックス理論に基づいて実現される照明制御モジュールの因子を調整することにより、照明強度を変化させることができる。 さらに、icデハジングのバックボーンデハジングネットワークは、高品質画像復元のための二重デコーダを備えたトランスフォーマで構成されている。 さらに、事前ベースの損失関数と教師なしのトレーニング戦略により、IC-Dehazingはペアデータを必要としないパラメータ学習プロセスを完了させることができる。 提案するicデハジングの有効性を示すために,画像デハジング,意味セグメンテーション,オブジェクト検出タスクについて定量的・質的実験を行った。 コードはhttps://github.com/xiaofeng-life/icdehazingで入手できる。

関連論文リスト

• Sketched Equivariant Imaging Regularization and Deep Internal Learning for Inverse Problems [4.287621751502392]
  等変イメージング(EI)正則化は、ディープイメージングネットワークの教師なしトレーニングにおけるデファクト技術となっている。 本稿では,ランダムなスケッチ手法を応用したスケッチ付きEI正規化手法を提案する。 次に、スケッチしたEI正規化を拡張して、高速化された深層学習フレームワークを開発する。
  論文  参考訳（メタデータ） (2024-11-08T18:33:03Z)
• Haze-Aware Attention Network for Single-Image Dehazing [10.881567541939653]
  本稿では,HAAM(Haze-Aware Attention Module)とMFEM(Multiscale Frequency Enhancement Module)を組み合わせたデハージングネットワークを提案する。 HAAMは大気散乱モデルにインスパイアされ、物理的原理を高次元の特徴に巧みに組み込んで目的の脱ハージングを行う。 我々の研究は、画像デハジングの分野を前進させるだけでなく、コンピュータビジョンの幅広い応用のための注意機構の設計に関する洞察も提供する。
  論文  参考訳（メタデータ） (2024-07-16T08:42:39Z)
• Reti-Diff: Illumination Degradation Image Restoration with Retinex-based Latent Diffusion Model [59.08821399652483]
  照明劣化画像復元(IDIR)技術は、劣化した画像の視認性を改善し、劣化した照明の悪影響を軽減することを目的としている。 これらのアルゴリズムのうち、拡散モデル(DM)に基づく手法は期待できる性能を示しているが、画像レベルの分布を予測する際に、重い計算要求や画素の不一致の問題に悩まされることが多い。 我々は、コンパクトな潜在空間内でDMを活用して、簡潔な指導先を生成することを提案し、IDIRタスクのためのReti-Diffと呼ばれる新しいソリューションを提案する。 Reti-Diff は Retinex-based Latent DM (RLDM) と Retinex-Guided Transformer (RG) の2つの鍵成分からなる。
  論文  参考訳（メタデータ） (2023-11-20T09:55:06Z)
• A Dive into SAM Prior in Image Restoration [40.03648504115027]
  画像復元(IR)の目的は、その劣化した低品質(LQ)観測から高品質(HQ)イメージを復元することである。 本稿では,既存のIRネットワークにセマンティックプリエントを組み込む軽量SAMプリエントチューニング(SPT)ユニットを提案する。 我々の手法で唯一訓練可能なモジュールとして、SPTユニットは効率とスケーラビリティの両方を改善する可能性がある。
  論文  参考訳（メタデータ） (2023-05-23T02:31:06Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• Cross-receptive Focused Inference Network for Lightweight Image Super-Resolution [64.25751738088015]
  トランスフォーマーに基づく手法は、単一画像超解像(SISR)タスクにおいて顕著な性能を示した。 動的に特徴を抽出するために文脈情報を組み込む必要がある変換器は無視される。 我々は,CNNとTransformerを混合したCTブロックのカスケードで構成される,軽量なクロスレセプティブ・フォーカスド・推論・ネットワーク(CFIN)を提案する。
  論文  参考訳（メタデータ） (2022-07-06T16:32:29Z)
• Multitask AET with Orthogonal Tangent Regularity for Dark Object Detection [84.52197307286681]
  暗黒環境下でのオブジェクト検出を強化するために,新しいマルチタスク自動符号化変換(MAET)モデルを提案する。 自己超越的な方法で、MAETは、現実的な照明劣化変換を符号化して復号することで、本質的な視覚構造を学習する。 我々は,合成および実世界のデータセットを用いて最先端のパフォーマンスを達成した。
  論文  参考訳（メタデータ） (2022-05-06T16:27:14Z)
• Single Image Dehazing with An Independent Detail-Recovery Network [117.86146907611054]
  個別のDetail Recovery Network (DRN) を用いた単一画像デハージング手法を提案する。 DRNは、それぞれのローカルブランチとグローバルブランチを通じて、デハズドイメージの詳細を復元することを目的としている。 本手法は, 定量的, 定性的に, 最先端の脱ハージング法より優れる。
  論文  参考訳（メタデータ） (2021-09-22T02:49:43Z)
• Contrastive Learning for Compact Single Image Dehazing [41.83007400559068]
  コントラスト学習に基づいて構築された新しいコントラスト正規化(CR)を提案し、ヘイズ画像とクリア画像の情報の両方をネガティブかつポジティブなサンプルとして活用する。 CRは、復元された画像が透明な画像に近づき、表現空間のぼやけた画像から遠くへ押し出されることを保証する。 性能とメモリストレージのトレードオフを考慮すると、オートエンコーダのようなフレームワークに基づくコンパクトなデハージングネットワークを開発する。
  論文  参考訳（メタデータ） (2021-04-19T14:56:21Z)
• Enhancing Perceptual Loss with Adversarial Feature Matching for Super-Resolution [5.258555266148511]
  単一画像超解法 (SISR) は不確定な数の有効解を持つ不確定問題である。 これらのパターンアーティファクトの根本原因は、知覚的損失の事前学習目標と超解答目標とのミスマッチに遡ることができる。
  論文  参考訳（メタデータ） (2020-05-15T12:36:54Z)

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。