Fugu-MT 論文翻訳(概要): A Hybrid CNN-Transformer Architecture with Frequency Domain Contrastive Learning for Image Deraining

論文の概要: A Hybrid CNN-Transformer Architecture with Frequency Domain Contrastive Learning for Image Deraining

arxiv url: http://arxiv.org/abs/2308.03340v1
Date: Mon, 7 Aug 2023 06:47:36 GMT
ステータス: 処理完了
システム内更新日: 2023-08-08 14:52:06.495327
Title: A Hybrid CNN-Transformer Architecture with Frequency Domain Contrastive Learning for Image Deraining
Title（参考訳）: 周波数領域のコントラスト学習を併用したハイブリッドCNN変換器アーキテクチャ
Authors: Cheng Wang and Wei Li
Abstract要約: 画像のデライン化は、雨害による劣化した画像の復元を伴う、困難な作業である。このタスクでは、雨天の影響でイメージが復元される。
参考スコア（独自算出の注目度）: 14.143266265333603
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Image deraining is a challenging task that involves restoring degraded images affected by rain streaks.
Abstract（参考訳）: image derainingは、雨の嵐で劣化した画像を復元する難しいタスクです。

関連論文リスト

Dynamic Association Learning of Self-Attention and Convolution in Image Restoration [56.49098856632478]
CNNとSelf attentionは、画像修復における自己意識と畳み込みの動的関連学習のためのマルチメディアアプリケーションにおいて大きな成功を収めている。本稿では,その利点を活かし,その欠点を抑え,高品質で効率的な塗布を実現するためのアソシエーション学習手法を提案する。
論文参考訳（メタデータ） (2023-11-09T05:11:24Z)
Contrastive Learning Based Recursive Dynamic Multi-Scale Network for Image Deraining [47.764883957379745]
雨のストリークは撮影画像の可視性を著しく低下させる。既存のディープラーニングベースの画像デライニング手法では、手作業で構築されたネットワークを使用して、雨の降った画像から明確な画像への直接投影を学習する。本稿では,雨天画像と澄んだ画像との相関関係を考察した,対照的な学習に基づく画像デライニング手法を提案する。
論文参考訳（メタデータ） (2023-05-29T13:51:41Z)
Single Image Deraining via Rain-Steaks Aware Deep Convolutional Neural Network [16.866000078306815]
雨天画像から高周波情報を抽出するために、改良された重み付きガイド画像フィルタ(iWGIF)を提案する。高周波情報は主にレインステーキとノイズを含み、レインステーキが深い畳み込みニューラルネットワーク(RSADCNN)を認識してレインステーキに注意を払うように誘導することができる。
論文参考訳（メタデータ） (2022-09-16T09:16:03Z)
Learning to restore images degraded by atmospheric turbulence using uncertainty [93.72048616001064]
大気の乱流は、長距離イメージングシステムによって取得された画像の品質を著しく低下させることができる。本研究では,大気乱流により劣化した1つの画像の復元のための深層学習に基づくアプローチを提案する。
論文参考訳（メタデータ） (2022-07-07T17:24:52Z)
Semi-DRDNet Semi-supervised Detail-recovery Image Deraining Network via Unpaired Contrastive Learning [59.22620253308322]
半教師付き詳細復元画像デラミニングネットワーク(セミDRDNet)を提案する。半教師付き学習パラダイムとして、Semi-DRDNetは、強靭性と詳細な精度を犠牲にして、合成データと実世界の降雨データの両方を円滑に運用する。
論文参考訳（メタデータ） (2022-04-06T12:35:27Z)
Structure-Preserving Deraining with Residue Channel Prior Guidance [33.41254475191555]
多くのハイレベルコンピュータビジョンタスクにおいて、単一画像のデアライニングが重要である。 RCP誘導を用いた構造保存評価ネットワーク(SPDNet)を提案する。 SPDNetは、RCPガイダンスの下で、明瞭で正確な構造を持つ高品質な無雨画像を直接生成する。
論文参考訳（メタデータ） (2021-08-20T09:09:56Z)
Beyond Monocular Deraining: Parallel Stereo Deraining Network Via Semantic Prior [103.49307603952144]
ほとんどの既存の脱雨アルゴリズムは単一の入力画像のみを使用し、クリーンな画像の復元を目指しています。本稿では,ステレオ画像とセマンティック情報の両方を利用するPaired Rain Removal Network(PRRNet)を提案する。単分子および新たに提案したステレオ降雨データセットの両方の実験により,提案手法が最先端の性能を達成することを示す。
論文参考訳（メタデータ） (2021-05-09T04:15:10Z)
Residual Squeeze-and-Excitation Network for Fast Image Deraining [19.48155134126906]
本稿では,高速な画像デライニングのための残差圧縮・励起ネットワークRSENを提案する。 RSENは軽量のエンコーダデコーダアーキテクチャを採用し、1つの段階で雨除去を行う。
論文参考訳（メタデータ） (2020-06-01T07:17:01Z)
Structural Residual Learning for Single Image Rain Removal [48.87977695398587]
本研究は,本質的な降雨構造を有するネットワークの出力残余を強制することで,新たなネットワークアーキテクチャを提案する。このような構造的残差設定は、ネットワークによって抽出された雨層が、一般的な雨害の以前の知識に微妙に従うことを保証している。
論文参考訳（メタデータ） (2020-05-19T05:52:13Z)
Physical Model Guided Deep Image Deraining [10.14977592107907]
降雨画像の劣化により、多くのコンピュータビジョンシステムが動作しないため、単一画像のデライン化は緊急の課題である。本研究では, 物理モデルを用いた単一画像デライニングのための新しいネットワークを提案する。
論文参考訳（メタデータ） (2020-03-30T07:08:13Z)

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。