論文の概要: Multi-dimension Queried and Interacting Network for Stereo Image Deraining

• arxiv url: http://arxiv.org/abs/2309.10319v1
• Date: Tue, 19 Sep 2023 05:04:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-20 16:13:59.861177
• Title: Multi-dimension Queried and Interacting Network for Stereo Image Deraining
• Title（参考訳）: ステレオ画像レイニングのための多次元クェリ・相互作用ネットワーク
• Authors: Yuanbo Wen, Tao Gao, Ziqi Li, Jing Zhang, Ting Chen
• Abstract要約: マルチ次元クエリと対話によるステレオ画像のデライニングを実現するMQINetを考案した。 このモジュールは入力機能に依存しない次元的なクエリを利用する。 降雨画像の逆物理モデルに基づく視界内物理認識注意(IPA)を導入する。
• 参考スコア（独自算出の注目度）: 13.759978932686519
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Eliminating the rain degradation in stereo images poses a formidable challenge, which necessitates the efficient exploitation of mutual information present between the dual views. To this end, we devise MQINet, which employs multi-dimension queries and interactions for stereo image deraining. More specifically, our approach incorporates a context-aware dimension-wise queried block (CDQB). This module leverages dimension-wise queries that are independent of the input features and employs global context-aware attention (GCA) to capture essential features while avoiding the entanglement of redundant or irrelevant information. Meanwhile, we introduce an intra-view physics-aware attention (IPA) based on the inverse physical model of rainy images. IPA extracts shallow features that are sensitive to the physics of rain degradation, facilitating the reduction of rain-related artifacts during the early learning period. Furthermore, we integrate a cross-view multi-dimension interacting attention mechanism (CMIA) to foster comprehensive feature interaction between the two views across multiple dimensions. Extensive experimental evaluations demonstrate the superiority of our model over EPRRNet and StereoIRR, achieving respective improvements of 4.18 dB and 0.45 dB in PSNR. Code and models are available at \url{https://github.com/chdwyb/MQINet}.
• Abstract（参考訳）: ステレオ画像における降雨劣化の除去は、デュアルビュー間の相互情報の効率的な活用を必要とする、驚くべき課題となる。 この目的のために,マルチ次元クエリと対話を用いたステレオ画像デライニング MQINet を考案した。 具体的には,文脈認識型次元問合せブロック (CDQB) を用いる。 このモジュールは入力特徴とは無関係な次元的クエリを活用し、グローバルコンテキスト認識注意(GCA)を用いて重要な特徴を捉え、冗長な情報や無関係な情報の絡み合いを避ける。 一方,降雨画像の逆物理モデルに基づく視界内物理認識注意(IPA)を導入する。 IPAは降雨の物理に敏感な浅い特徴を抽出し、早期学習時の降雨関連アーティファクトの減少を促進する。 さらに,複数次元にまたがる2つのビュー間の包括的特徴相互作用を促進するために,CMIA (cross-view multi-dimension interacting attention mechanism) を統合した。 EPRRNet と StereoIRR を比較検討した結果,PSNR では 4.18 dB と 0.45 dB の改善が得られた。 コードとモデルは \url{https://github.com/chdwyb/mqinet} で利用可能である。

関連論文リスト

• MDeRainNet: An Efficient Neural Network for Rain Streak Removal from Macro-pixel Images [44.83349966064718]
  我々は,LF画像から降雨ストリーク除去を行うために,MDeRainNetと呼ばれる効率的なネットワークを提案する。 提案するネットワークはマルチスケールエンコーダデコーダアーキテクチャを採用し, 直接マクロピクセル画像(MPI)を用いて降雨除去性能を向上する。 そこで本研究では,MDeRainNetのための新しい半教師付き学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-06-15T14:47:02Z)
• Bidirectional Multi-Scale Implicit Neural Representations for Image Deraining [47.15857899099733]
  高品質な画像再構成を実現するために,エンド・ツー・エンドのマルチスケールトランスを開発した。 クローズドループ設計において、劣化した入力を持つ画素座標に基づいて、スケール内の暗黙的ニューラル表現を組み込む。 我々のアプローチはNeRD-Rainと呼ばれ、合成および実世界のベンチマークデータセットにおいて最先端のアプローチに対して好意的に実行されます。
  論文  参考訳（メタデータ） (2024-04-02T01:18:16Z)
• Dual-Path Coupled Image Deraining Network via Spatial-Frequency Interaction [7.682978264249712]
  既存の画像デアライニング手法は、臨界周波数情報を無視する傾向がある。 我々は空間領域と周波数領域の情報を統合したDPCNet(Dual-Path Coupled Deraining Network)を開発した。 提案手法は,既存の最先端デラリニング法よりも,下流視力に優れたロバスト性を有する視覚的満足度を実現する。
  論文  参考訳（メタデータ） (2024-02-07T13:54:15Z)
• Mutual Information-driven Triple Interaction Network for Efficient Image Dehazing [54.168567276280505]
  画像デハージングのための相互情報駆動型トリプルインタラクションネットワーク(MITNet)を提案する。 振幅誘導ヘイズ除去と呼ばれる第1段階は、ヘイズ除去のためのヘイズ画像の振幅スペクトルを復元することを目的としている。 第2段階は位相誘導構造が洗練され、位相スペクトルの変換と微細化を学ぶことに尽力した。
  論文  参考訳（メタデータ） (2023-08-14T08:23:58Z)
• Efficient Image Super-Resolution with Feature Interaction Weighted Hybrid Network [100.0415874554937]
  本稿では、上記の問題を緩和する特徴相互作用重み付きハイブリッドネットワーク(FIWHN)を提案する。 具体的には、FIWHNは、バックボーンとしてのWDIB(Wide-Residual Distillation Interaction Blocks)のシリーズで構成されている。 CNNモデルに欠けているグローバル機能を補完するため、我々のモデルにTransformerを導入し、CNNとTransformerを組み合わせた新しい方法を模索した。
  論文  参考訳（メタデータ） (2022-12-29T05:57:29Z)
• Stereo Image Rain Removal via Dual-View Mutual Attention [55.79448042969012]
  本稿では,2つのビュー間の十分な相互作用により,新しいアンダーラインStereo underline Image underlineRain underlineRemoval法(StereoIRR)を提案する。 本稿では,StereoIRRが複数のデータセットにおいて,他のモノクラー・ステレオ画像雨除去法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-11-18T09:07:01Z)
• SufrinNet: Toward Sufficient Cross-View Interaction for Stereo Image Enhancement in The Dark [119.01585302856103]
  低照度ステレオ画像強調(LLSIE)は、暗黒環境で撮影された視覚的に不快なステレオ画像の品質を高めるための比較的新しいタスクである。 1)クロスビューの相互作用が不十分なこと,2)ビュー内学習に長距離依存が欠如していること,である。 SufrinNet(SufrinNet)を用いた新しいLLSIEモデルを提案する。
  論文  参考訳（メタデータ） (2022-11-02T04:01:30Z)
• EPNet++: Cascade Bi-directional Fusion for Multi-Modal 3D Object Detection [56.03081616213012]
  本稿では,新しいCasscade Bi-directional Fusion(CB-Fusion)モジュールを導入することで,マルチモーダル3Dオブジェクト検出のためのEPNet++を提案する。 提案したCB-Fusionモジュールは、カスケード双方向相互作用融合方式で画像特徴と点特徴の豊富な意味情報を高める。 KITTI、JRDB、SUN-RGBDデータセットの実験結果は、最先端の手法よりもEPNet++の方が優れていることを示している。
  論文  参考訳（メタデータ） (2021-12-21T10:48:34Z)
• Multi-Scale Hourglass Hierarchical Fusion Network for Single Image Deraining [8.964751500091005]
  雨のひもはサイズ、方向および密度で頻繁に変わる深刻なぼやけおよび視覚質の低下をもたらします。 現在のCNN方式は, 降雨特性の描写や, 可視性に乏しい環境下でのイメージの復元に限られている。 本稿では,マルチスケール抽出,階層蒸留,情報集約による雨天の特徴を正確に把握するために,マルチスケールのHH2F-Netを提案する。
  論文  参考訳（メタデータ） (2021-04-25T08:27:01Z)
• Single Image Deraining via Scale-space Invariant Attention Neural Network [58.5284246878277]
  我々は,カメラに対するレインステーキの外観の視覚的変化に対処するスケールの概念に取り組む。 本稿では,画素領域よりもコンパクトでロバストな畳み込み特徴領域のマルチスケール相関を表現することを提案する。 このようにして、機能マップの最も活発な存在を、有能な特徴として要約する。
  論文  参考訳（メタデータ） (2020-06-09T04:59:26Z)

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。