論文の概要: Reference-based Motion Blur Removal: Learning to Utilize Sharpness in the Reference Image

• arxiv url: http://arxiv.org/abs/2307.02875v1
• Date: Thu, 6 Jul 2023 09:24:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-07 14:34:42.357787
• Title: Reference-based Motion Blur Removal: Learning to Utilize Sharpness in the Reference Image
• Title（参考訳）: 基準に基づく動きのぼけ除去:基準画像のシャープネスを利用した学習
• Authors: Han Zou, Masanori Suganuma, Takayuki Okatani
• Abstract要約: 典型的な設定は、近くのシャープ画像を用いて映像をビデオシーケンスでデバリングする。 本稿では,参照画像に存在する情報を利用するためのより良い手法を提案する。 本手法は, 単一画像のデブロアリング用に設計された既設ネットワークに組み込むことができる。
• 参考スコア（独自算出の注目度）: 29.52731707976695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the recent advancement in the study of removing motion blur in an image, it is still hard to deal with strong blurs. While there are limits in removing blurs from a single image, it has more potential to use multiple images, e.g., using an additional image as a reference to deblur a blurry image. A typical setting is deburring an image using a nearby sharp image(s) in a video sequence, as in the studies of video deblurring. This paper proposes a better method to use the information present in a reference image. The method does not need a strong assumption on the reference image. We can utilize an alternative shot of the identical scene, just like in video deblurring, or we can even employ a distinct image from another scene. Our method first matches local patches of the target and reference images and then fuses their features to estimate a sharp image. We employ a patch-based feature matching strategy to solve the difficult problem of matching the blurry image with the sharp reference. Our method can be integrated into pre-existing networks designed for single image deblurring. The experimental results show the effectiveness of the proposed method.
• Abstract（参考訳）: 画像中の動きのぼかしを除去する研究の進歩にもかかわらず、強いぼかしを扱うことは依然として困難である。 単一の画像からぼやけを取り除くには限界があるが、ぼやけた画像をデブラーする参照として追加画像を使用するなど、複数の画像を使用する可能性も高い。 典型的な設定は、ビデオの劣化の研究のように、近くのシャープ画像を用いて映像をビデオシーケンスでデバリングすることである。 本稿では,参照画像に存在する情報を利用する方法を提案する。 この方法は参照画像に対する強い仮定を必要としない。 ビデオのデブラリングのように、同じシーンの別のショットを使うこともできるし、別のシーンから別のイメージを使うこともできる。 提案手法は,まずターゲット画像と参照画像の局所的パッチに一致し,その特徴を融合させてシャープ画像を推定する。 我々は、ぼやけた画像と鋭い参照をマッチングする難しい問題を解決するために、パッチベースの特徴マッチング戦略を採用する。 本手法は, 単一画像デブロアリング用に設計された既設ネットワークに組み込むことができる。 実験の結果,提案手法の有効性が示された。

関連論文リスト

• Blur2Blur: Blur Conversion for Unsupervised Image Deblurring on Unknown Domains [19.573629029170128]
  本稿では,特定のカメラ装置に適した画像分解アルゴリズムを訓練するための革新的なフレームワークを提案する。 ぼやけた入力画像は、デブラーが難しいが、別のぼやけた画像に変換して、デブラーリングしやすくする。
  論文  参考訳（メタデータ） (2024-03-24T15:58:48Z)
• Semi-Blind Image Deblurring Based on Framelet Prior [0.3626013617212666]
  画像のぼかしは手やカメラの揺れなど様々な要因によって引き起こされる。 ぼやけた画像を復元するには、点拡散関数(PSF)に関する情報を知る必要がある。
  論文  参考訳（メタデータ） (2023-10-02T07:25:05Z)
• Multi-level Cross-modal Feature Alignment via Contrastive Learning towards Zero-shot Classification of Remote Sensing Image Scenes [7.17717863134783]
  ゼロショット画像シーンの分類に対処するクロスモーダル特徴アライメント手法が提案されている。 リモートセンシング画像シーンのゼロショット分類のためのコントラスト学習によるマルチレベルクロスモーダル特徴アライメント手法を提案する。 提案手法は,ゼロショットリモートセンシング画像シーン分類のための技術手法の状況より優れている。
  論文  参考訳（メタデータ） (2023-05-31T10:00:45Z)
• Parallax-Tolerant Unsupervised Deep Image Stitching [57.76737888499145]
  本稿では,パララックス耐性の非教師あり深層画像縫合技術であるUDIS++を提案する。 まず,グローバルなホモグラフィから局所的な薄板スプライン運動への画像登録をモデル化するための,頑健で柔軟なワープを提案する。 本研究では, 縫合された画像をシームレスに合成し, シーム駆動合成マスクの教師なし学習を行うことを提案する。
  論文  参考訳（メタデータ） (2023-02-16T10:40:55Z)
• Take a Prior from Other Tasks for Severe Blur Removal [52.380201909782684]
  知識蒸留に基づくクロスレベル特徴学習戦略 多レベルアグリゲーションとセマンティックアテンション変換によるセマンティック事前埋め込み層を効果的に統合する。 GoProやRealBlurのデータセットのような、自然な画像劣化ベンチマークと実世界の画像の実験は、我々の方法の有効性と能力を実証している。
  論文  参考訳（メタデータ） (2023-02-14T08:30:51Z)
• Saliency Constrained Arbitrary Image Style Transfer using SIFT and DCNN [22.57205921266602]
  一般的なニューラルスタイルの転送方法を使用する場合、スタイル画像のテクスチャや色は通常、コンテンツ画像に不完全に転送される。 本稿では,その効果を低減・回避するための新しいサリエンシ制約手法を提案する。 実験により、ソースイメージの正当性マップは正しいマッチングを見つけ出し、アーティファクトを避けるのに役立つことが示された。
  論文  参考訳（メタデータ） (2022-01-14T09:00:55Z)
• Clean Images are Hard to Reblur: A New Clue for Deblurring [56.28655168605079]
  画像のシャープ化のために,新しい低レベルの知覚損失を提案する。 画像のぼかしにフォーカスするために、除去されていない動きのぼかしを増幅するリブレーションモジュールを訓練します。 トレーニング段階における教師付き再ブラッシング損失は、デブロワー画像と基準シャープ画像との増幅されたぼかしを比較する。 推論段階での自己ブラリング損失は、デブラリング画像がまだ増幅すべきぼやけを含むかどうかを検査する。
  論文  参考訳（メタデータ） (2021-04-26T15:49:21Z)
• Polyblur: Removing mild blur by polynomial reblurring [21.08846905569241]
  提案アルゴリズムはまず画像のぼかしを推定し,次に推定したぼかしの複数の応用を原理的に組み合わせて補正する。 実験により, 軽度のぼやけた状況下では, 提案手法は従来のブラインド・ブラインド・デブロアリング法より優れ, わずかな時間で実行可能であることがわかった。
  論文  参考訳（メタデータ） (2020-12-16T23:38:39Z)
• Contrastive Learning for Unpaired Image-to-Image Translation [64.47477071705866]
  画像から画像への変換では、出力の各パッチは、入力中の対応するパッチの内容を、ドメインに依存しない形で反映すべきである。 本研究では,両者の相互情報を最大化するために,コントラスト学習に基づく枠組みを提案する。 筆者らのフレームワークは、画質の向上とトレーニング時間の短縮を図りながら、画像から画像への翻訳設定の一方的な翻訳を可能にすることを実証している。
  論文  参考訳（メタデータ） (2020-07-30T17:59:58Z)
• Deblurring by Realistic Blurring [110.54173799114785]
  本稿では,BGAN(Learning-to-blurr GAN)とDBGAN(Learning-to-DeBlur GAN)の2つのモデルを組み合わせた新しい手法を提案する。 第1のモデルであるBGANは、未ペアのシャープでぼやけた画像セットでシャープな画像をぼやかす方法を学習し、第2のモデルであるDBGANをガイドして、そのような画像を正しくデブロアする方法を学ぶ。 さらなる貢献として,多様なぼやけた画像を含むRWBIデータセットについても紹介する。
  論文  参考訳（メタデータ） (2020-04-04T05:25:15Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。