論文の概要: AOSR-Net: All-in-One Sandstorm Removal Network
- arxiv url: http://arxiv.org/abs/2309.08838v1
- Date: Sat, 16 Sep 2023 02:11:24 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 19:03:14.612538
- Title: AOSR-Net: All-in-One Sandstorm Removal Network
- Title（参考訳）: aosr-net:オールインワンサンドストーム除去ネットワーク
- Authors: Yazhong Si, Xulong Zhang, Fan Yang, Jianzong Wang, Ning Cheng, Jing
Xiao
- Abstract要約: オールインワン砂嵐除去ネットワーク(AOSR-Net)と呼ばれる新しい画像復元モデルを導入する。
このモデルは、中間パラメータを統合することにより、画像マッピング関係を直接確立する、再構成された砂嵐散乱モデルに基づいて開発されている。
合成および実世界の砂嵐画像による実験結果は、最先端(SOTA)アルゴリズムよりも提案したAOSR-Netの方が優れていることを示す。
- 参考スコア（独自算出の注目度）: 34.91046045881804
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most existing sandstorm image enhancement methods are based on traditional
theory and prior knowledge, which often restrict their applicability in
real-world scenarios. In addition, these approaches often adopt a strategy of
color correction followed by dust removal, which makes the algorithm structure
too complex. To solve the issue, we introduce a novel image restoration model,
named all-in-one sandstorm removal network (AOSR-Net). This model is developed
based on a re-formulated sandstorm scattering model, which directly establishes
the image mapping relationship by integrating intermediate parameters. Such
integration scheme effectively addresses the problems of over-enhancement and
weak generalization in the field of sand dust image enhancement. Experimental
results on synthetic and real-world sandstorm images demonstrate the
superiority of the proposed AOSR-Net over state-of-the-art (SOTA) algorithms.
- Abstract（参考訳）: 既存のサンドストーム画像拡張法は、従来の理論と事前知識に基づいており、現実世界のシナリオでの適用性を制限することが多い。
さらに、これらの手法はしばしば色補正の戦略を採用し、塵を除去することでアルゴリズムの構造が複雑すぎる。
そこで本研究では,オールインワン砂嵐除去ネットワーク (AOSR-Net) と呼ばれる新しい画像復元モデルを提案する。
このモデルは,中間パラメータの統合により画像マッピング関係を直接確立する再形成サンドストーム散乱モデルに基づいて開発された。
このような統合方式は,砂塵画像強調の分野における過拡大と弱一般化の問題を効果的に解決する。
合成および実世界の砂嵐画像による実験結果は、最先端(SOTA)アルゴリズムよりもAOSR-Netの方が優れていることを示す。
関連論文リスト
- 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) - Hierarchical Similarity Learning for Aliasing Suppression Image
Super-Resolution [64.15915577164894]
エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。
HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
論文 参考訳（メタデータ） (2022-06-07T14:55:32Z) - Bayesian Image Super-Resolution with Deep Modeling of Image Statistics [18.55701190218365]
本稿では,自然画像統計をスムーズさと空間性の組み合わせでモデル化したベイズ画像復元フレームワークを提案する。
本研究では,後方推定のための変分ベイズ的手法を開発し,教師なしトレーニング戦略を提案する。
理想的なSISR, 現実的なSISR, 実世界のSISRという3つの画像復元タスクの実験により, 本手法は様々なノイズレベルや劣化カーネルに対して優れたモデル一般化性を有することを示した。
論文 参考訳（メタデータ） (2022-03-31T20:52:59Z) - Unsupervised Single Image Super-resolution Under Complex Noise [60.566471567837574]
本稿では,一般のSISRタスクを未知の劣化で扱うためのモデルベースunsupervised SISR法を提案する。
提案手法は, より小さなモデル (0.34M vs. 2.40M) だけでなく, より高速な技術 (SotA) 法 (約1dB PSNR) の現況を明らかに超えることができる。
論文 参考訳（メタデータ） (2021-07-02T11:55:40Z) - Towards a Unified Approach to Single Image Deraining and Dehazing [16.383099109400156]
降雨効果の新しい物理モデルを開発し,その均一な連続限界として,ヘイズ効果のよく知られた大気散乱モデル(ASM)が自然に現れることを示した。
また,デレーシングとデヘイジングの両方に適した,密集したスケール接続型注意ネットワーク (dscan) を提案する。
論文 参考訳（メタデータ） (2021-03-26T01:35:43Z) - Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-08-25T03:30:53Z) - The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。
次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。
そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-05-16T08:17:44Z)
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。