論文の概要: Transmission and Color-guided Network for Underwater Image Enhancement
- arxiv url: http://arxiv.org/abs/2308.04892v1
- Date: Wed, 9 Aug 2023 11:43:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-10 13:52:01.224423
- Title: Transmission and Color-guided Network for Underwater Image Enhancement
- Title(参考訳): 水中画像強調のための伝送・カラー誘導ネットワーク
- Authors: Pan Mu, Jing Fang, Haotian Qian, Cong Bai
- Abstract要約: 水中画像強調のための適応透過・動的カラー誘導ネットワーク(ATDCnet)を提案する。
物理の知識を生かして,適応型トランスミッション指向モジュール(ATM)を設計し,ネットワークをより良く誘導する。
色偏差問題に対処するため,強調画像色を後処理する動的色誘導モジュール (DCM) を設計した。
- 参考スコア(独自算出の注目度): 8.894719412298397
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In recent years, with the continuous development of the marine industry,
underwater image enhancement has attracted plenty of attention. Unfortunately,
the propagation of light in water will be absorbed by water bodies and
scattered by suspended particles, resulting in color deviation and low
contrast. To solve these two problems, we propose an Adaptive Transmission and
Dynamic Color guided network (named ATDCnet) for underwater image enhancement.
In particular, to exploit the knowledge of physics, we design an Adaptive
Transmission-directed Module (ATM) to better guide the network. To deal with
the color deviation problem, we design a Dynamic Color-guided Module (DCM) to
post-process the enhanced image color. Further, we design an
Encoder-Decoder-based Compensation (EDC) structure with attention and a
multi-stage feature fusion mechanism to perform color restoration and contrast
enhancement simultaneously. Extensive experiments demonstrate the
state-of-the-art performance of the ATDCnet on multiple benchmark datasets.
- Abstract(参考訳): 近年,海洋産業の継続的な発展に伴い,水中画像のエンハンスメントが注目されている。
残念ながら、水中の光の伝播は水体によって吸収され、懸濁粒子によって散乱され、色偏差とコントラストが低い。
これら2つの問題を解決するために,水中画像強調のための適応伝送および動的カラー誘導ネットワーク(atdcnet)を提案する。
特に,物理の知識を活用するために,適応送信指向モジュール (ATM) を設計し,ネットワークをより良く誘導する。
色ずれ問題に対処するため,画像色を後処理するために動的色誘導モジュール (dcm) を設計した。
さらに,注意を伴うEncoder-Decoder-based Compensation (EDC) 構造と,色復元とコントラスト強調を同時に行う多段機能融合機構を設計する。
複数のベンチマークデータセット上でATDCnetの最先端性能を示す大規模な実験。
関連論文リスト
- You Only Need One Color Space: An Efficient Network for Low-light Image
Enhancement [51.33241089734805]
低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。
水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。
輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
論文 参考訳(メタデータ) (2024-02-08T16:47:43Z) - 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) - Double Domain Guided Real-Time Low-Light Image Enhancement for
Ultra-High-Definition Transportation Surveillance [26.223557583420725]
本稿では,超高精細(UHD)交通監視のためのリアルタイム低照度画像強調ネットワーク(DDNet)を提案する。
特に、この強化処理は、提案した粗い強化モジュールとLoGに基づく勾配強化モジュールを介して、2つのサブタスク(すなわち、色強調と勾配増強)に分けられる。
我々のDDNetは最先端の手法と比較して優れた向上品質と効率を提供する。
論文 参考訳(メタデータ) (2023-09-15T13:16:24Z) - A Generalized Physical-knowledge-guided Dynamic Model for Underwater
Image Enhancement [15.625794673532509]
我々は、物理知識誘導動的モデル(GUPDM用ショート)による一般化水中画像強調法を設計する。
本研究は, 大気光と透過率を変化させ, 様々な水中画像タイプをシミュレートする。
次に、動的畳み込みを用いて水中画像から事前情報を適応的に抽出し、PMSのパラメータを生成するADSとTDSを設計する。
論文 参考訳(メタデータ) (2023-08-10T09:09:15Z) - PUGAN: Physical Model-Guided Underwater Image Enhancement Using GAN with
Dual-Discriminators [120.06891448820447]
鮮明で視覚的に快適な画像を得る方法は、人々の共通の関心事となっている。
水中画像強調(UIE)の課題も、時間とともに現れた。
本稿では,UIE のための物理モデル誘導型 GAN モデルを提案する。
我々のPUGANは質的および定量的な測定値において最先端の手法より優れています。
論文 参考訳(メタデータ) (2023-06-15T07:41:12Z) - Semantic-aware Texture-Structure Feature Collaboration for Underwater
Image Enhancement [58.075720488942125]
水中画像の強調は海洋工学や水生ロボット工学において重要な技術として注目されている。
我々は,高レベルな意味認識事前学習モデルと協調して,効率的でコンパクトな拡張ネットワークを開発する。
また,提案手法を水中の有意な物体検出タスクに適用し,高レベルの視覚タスクに適した意味認識能力を明らかにする。
論文 参考訳(メタデータ) (2022-11-19T07:50:34Z) - U-shape Transformer for Underwater Image Enhancement [0.0]
本研究では,5004枚の画像対を含む大規模水中画像データセットを構築した。
UIEタスクに初めてトランスモデルを導入したU字型トランスを報告した。
コントラストと彩度をさらに向上するため、RGB, LAB, LCH色空間を組み合わせた新しいロス関数を設計した。
論文 参考訳(メタデータ) (2021-11-23T13:15:56Z) - Wavelength-based Attributed Deep Neural Network for Underwater Image
Restoration [9.378355457555319]
本稿では,色チャネルの移動範囲に基づいて,適切な受容場サイズ(コンテキスト)を付与することで,大幅な性能向上が期待できることを示す。
第2の新規性として、学習したマルチコンテキスト特徴を適応的に洗練するための注意的スキップ機構を組み込んだ。
提案するフレームワークはDeep WaveNetと呼ばれ、従来のピクセル単位で機能ベースのコスト関数を使って最適化されている。
論文 参考訳(メタデータ) (2021-06-15T06:47:51Z) - Underwater Image Enhancement via Medium Transmission-Guided Multi-Color
Space Embedding [88.46682991985907]
本稿では,Ucolor と呼ばれる媒体透過誘導多色空間埋め込みによる水中画像強調ネットワークを提案する。
当社のネットワークは、複数の色空間を埋め込むことにより、水中画像の視覚的品質を効果的に改善できます。
論文 参考訳(メタデータ) (2021-04-27T07:35:30Z) - Removing Diffraction Image Artifacts in Under-Display Camera via Dynamic
Skip Connection Network [80.67717076541956]
アンダーディスプレイカメラ(UDC)システムは、スマートフォン上で真のベゼルレスおよびノッチフリーの視聴体験を提供します。
典型的なUDCシステムでは、ピクセルアレイはカメラ上の入射光を減衰および回折し、画像品質の大幅な低下をもたらす。
本研究では,前述の劣化問題の解析と対処を目的とする。
論文 参考訳(メタデータ) (2021-04-19T18:41:45Z)
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。