論文の概要: Wasserstein Distortion: Unifying Fidelity and Realism

• arxiv url: http://arxiv.org/abs/2310.03629v2
• Date: Thu, 28 Mar 2024 18:50:50 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-01 20:36:47.805460
• Title: Wasserstein Distortion: Unifying Fidelity and Realism
• Title（参考訳）: ヴァッサーシュタイン歪曲 : 忠実性とリアリズムを統一する
• Authors: Yang Qiu, Aaron B. Wagner, Johannes Ballé, Lucas Theis,
• Abstract要約: ワッサーシュタイン歪みは、一方のピクセルレベルの忠実度と他方のリアリズムまたは知覚的品質を同時に一般化する。 ワッサーシュタインの歪みが、パラメータ選択の異なる純粋忠実性制約や純粋現実性制約にどのように還元されるかを示す。
• 参考スコア（独自算出の注目度）: 21.601581006605965
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a distortion measure for images, Wasserstein distortion, that simultaneously generalizes pixel-level fidelity on the one hand and realism or perceptual quality on the other. We show how Wasserstein distortion reduces to a pure fidelity constraint or a pure realism constraint under different parameter choices and discuss its metric properties. Pairs of images that are close under Wasserstein distortion illustrate its utility. In particular, we generate random textures that have high fidelity to a reference texture in one location of the image and smoothly transition to an independent realization of the texture as one moves away from this point. Wasserstein distortion attempts to generalize and unify prior work on texture generation, image realism and distortion, and models of the early human visual system, in the form of an optimizable metric in the mathematical sense.
• Abstract（参考訳）: 本稿では,画像の歪み尺度であるワッサーシュタイン歪みを,一方の画素レベルの忠実度と他方の現実性や知覚品質を同時に一般化する手法を提案する。 ワッサーシュタインの歪みが、パラメータ選択の異なる純粋忠実性制約や純粋現実性制約にどのように還元されるかを示し、その計量特性について議論する。 ワッサーシュタイン歪みの下で近い画像のペアは、その有用性を示している。 特に,画像の1つの位置における参照テクスチャに対する忠実度が高いランダムテクスチャを生成し,この点から離れるにつれて、スムーズにテクスチャの独立的な実現に遷移する。 ワッサースタインの歪みは、テクスチャ生成、イメージリアリズム、歪み、初期の人間の視覚システムのモデルに関する先行研究を、数学的意味で最適化可能な計量の形で一般化し統一しようとする。

関連論文リスト

• RoFIR: Robust Fisheye Image Rectification Framework Impervious to Optical Center Deviation [88.54817424560056]
  局所歪みの度合いと方向を測定する歪みベクトルマップ(DVM)を提案する。 DVMを学習することで、大域的な歪みパターンに頼ることなく、各ピクセルの局所歪みを独立に識別することができる。 事前学習段階では、歪みベクトルマップを予測し、各画素の局所歪み特徴を知覚する。 微調整段階では、魚眼画像修正のための画素単位のフローマップを予測する。
  論文  参考訳（メタデータ） (2024-06-27T06:38:56Z)
• Physics Informed and Data Driven Simulation of Underwater Images via Residual Learning [5.095097384893417]
  一般的に水中の画像は、光が水中を伝播するにつれて減衰し後方散乱するため、色歪みと低コントラストに悩まされる。 既存の単純な劣化モデル(大気画像の「ヘイジング」効果に似ている)は水中画像の劣化を適切に表現するには不十分である。 水中効果を自動的にシミュレートする深層学習型アーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-02-07T21:53:28Z)
• Multi-Realism Image Compression with a Conditional Generator [28.659512668399127]
  生成圧縮アプローチは、レート歪み最適化モデルによって生成されるぼやけた再構成の代わりに、低ビットレートでも詳細で現実的な画像を生成する。 我々は、歪み現実主義の新たな最先端を定め、達成可能な歪み現実主義ペアのフロンティアを推し進めた。
  論文  参考訳（メタデータ） (2022-12-28T13:56:54Z)
• Controllable Person Image Synthesis with Spatially-Adaptive Warped Normalization [72.65828901909708]
  制御可能な人物画像生成は、望ましい属性を持つ現実的な人間の画像を作成することを目的としている。 本稿では,学習フロー場とワープ変調パラメータを統合した空間適応型ワープ正規化(SAWN)を提案する。 本稿では,テクスチャ・トランスファータスクの事前学習モデルを洗練するための,新たな自己学習部分置換戦略を提案する。
  論文  参考訳（メタデータ） (2021-05-31T07:07:44Z)
• SIR: Self-supervised Image Rectification via Seeing the Same Scene from Multiple Different Lenses [82.56853587380168]
  本稿では、異なるレンズからの同一シーンの歪み画像の補正結果が同一であるべきという重要な知見に基づいて、新しい自己監督画像補正法を提案する。 我々は、歪みパラメータから修正画像を生成し、再歪み画像を生成するために、微分可能なワープモジュールを利用する。 本手法は,教師付きベースライン法や代表的最先端手法と同等あるいはそれ以上の性能を実現する。
  論文  参考訳（メタデータ） (2020-11-30T08:23:25Z)
• A Deep Ordinal Distortion Estimation Approach for Distortion Rectification [62.72089758481803]
  より高精度なパラメータを効率良く得る新しい歪み補正手法を提案する。 本研究では, 局所言語関連推定ネットワークを設計し, 順序歪みを学習し, 現実的な歪み分布を近似する。 歪み情報の冗長性を考慮すると,本手法では歪み画像の一部のみを用いて順序方向の歪み推定を行う。
  論文  参考訳（メタデータ） (2020-07-21T10:03:42Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)
• Deep CG2Real: Synthetic-to-Real Translation via Image Disentanglement [78.58603635621591]
  画像空間における未ペアの合成-現実翻訳ネットワークの訓練は、厳しい制約下にある。 画像の非交叉シェーディング層とアルベド層に作用する半教師付きアプローチを提案する。 私たちの2段階のパイプラインはまず、物理ベースのレンダリングをターゲットとして、教師付き方法で正確なシェーディングを予測することを学習します。
  論文  参考訳（メタデータ） (2020-03-27T21:45:41Z)
• Adversarial Texture Optimization from RGB-D Scans [37.78810126921875]
  弱教師付き視点から得られた条件付き対向損失を用いた色彩テクスチャ生成のための新しい手法を提案する。 提案手法の鍵となる考え方は,テクスチャ最適化をミスアライメントに寛容に導くパッチベースの条件判別器を学習することである。
  論文  参考訳（メタデータ） (2020-03-18T18:00:05Z)

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。