論文の概要: End-to-end Rain Streak Removal with RAW Images
- arxiv url: http://arxiv.org/abs/2312.13304v1
- Date: Wed, 20 Dec 2023 01:17:45 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-22 17:11:17.510431
- Title: End-to-end Rain Streak Removal with RAW Images
- Title（参考訳）: RAW画像による雨害除去
- Authors: GuoDong Du, HaoJian Deng, JiaHao Su, Yuan Huang
- Abstract要約: 降雨RAW画像からクリーンなカラー画像を得るために,降雨除去とRAW処理のための共同ソリューションを提案する。
我々は、カラーレインストリークをRAW空間に変換し、雨色画像とクリーンカラー画像の両方を合成する簡易かつ効率的なRAW処理アルゴリズムを設計することで、雨色RAWデータを生成する。
- 参考スコア（独自算出の注目度）: 7.2278352844025315
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this work we address the problem of rain streak removal with RAW images.
The general approach is firstly processing RAW data into RGB images and
removing rain streak with RGB images. Actually the original information of rain
in RAW images is affected by image signal processing (ISP) pipelines including
none-linear algorithms, unexpected noise, artifacts and so on. It gains more
benefit to directly remove rain in RAW data before being processed into RGB
format. To solve this problem, we propose a joint solution for rain removal and
RAW processing to obtain clean color images from rainy RAW image. To be
specific, we generate rainy RAW data by converting color rain streak into RAW
space and design simple but efficient RAW processing algorithms to synthesize
both rainy and clean color images. The rainy color images are used as reference
to help color corrections. Different backbones show that our method conduct a
better result compared with several other state-of-the-art deraining methods
focused on color image. In addition, the proposed network generalizes well to
other cameras beyond our selected RAW dataset. Finally, we give the result
tested on images processed by different ISP pipelines to show the
generalization performance of our model is better compared with methods on
color images.
- Abstract（参考訳）: 本研究では,RAW画像による雨害除去の問題に対処する。
一般的なアプローチは、まずRAWデータをRGBイメージに処理し、RGBイメージでレインストリークを取り除くことである。
実際、RAW画像の雨の本来の情報は、非線形アルゴリズム、予期せぬノイズ、アーティファクトなどを含む画像信号処理(ISP)パイプラインの影響を受けている。
RGBフォーマットに処理する前に、RAWデータの雨を直接除去するメリットがさらに増える。
この問題を解決するために,雨天のRAW画像からクリーンなカラー画像を得るために,雨天除去とRAW処理のジョイントソリューションを提案する。
具体的には,カラーレインストリークをraw spaceに変換し,簡易かつ効率的なraw処理アルゴリズムを設計し,雨色画像とクリーンカラー画像の両方を合成することにより,雨の生データを生成する。
雨色の画像は、色補正の参考として使用される。
異なるバックボーンは,カラー画像に焦点をあてた他のいくつかの最先端のデラミニング手法と比較して,より優れた結果を示す。
さらに、提案したネットワークは、選択したRAWデータセット以外の他のカメラによく当てはまる。
最後に、異なるISPパイプラインで処理された画像に対してテストした結果、カラー画像の手法と比較して、モデルの一般化性能が優れていることを示す。
関連論文リスト
- Toward Efficient Deep Blind RAW Image Restoration [56.41827271721955]
我々は、深部ブラインドRAW復元モデルをトレーニングするための、新しい現実的な劣化パイプラインを設計する。
私たちのパイプラインでは、リアルなセンサーノイズ、動きのぼかし、カメラの揺れ、その他の一般的な劣化について検討しています。
パイプラインと複数のセンサーのデータで訓練されたモデルは、ノイズとぼやけをうまく低減し、異なるカメラから撮影されたRAW画像の細部を復元する。
論文 参考訳（メタデータ） (2024-09-26T18:34:37Z) - BSRAW: Improving Blind RAW Image Super-Resolution [63.408484584265985]
RAW領域におけるブラインド画像の超解像化に取り組む。
生センサデータを用いたトレーニングモデルに特化した,現実的な劣化パイプラインを設計する。
私たちのパイプラインでトレーニングしたBSRAWモデルは、リアルタイムRAW画像をスケールアップし、品質を向上させることができます。
論文 参考訳（メタデータ） (2023-12-24T14:17:28Z) - Self-Supervised Reversed Image Signal Processing via Reference-Guided
Dynamic Parameter Selection [1.1602089225841632]
メタデータとペア画像を必要としない自己教師付き逆ISP方式を提案する。
提案手法は,RGB画像を参照RAW画像と同じセンサで同一環境で撮影されたRAWライクな画像に変換する。
提案手法は,他の最先端教師付き手法に匹敵する精度で,様々な逆ISPを学習可能であることを示す。
論文 参考訳（メタデータ） (2023-03-24T11:12:05Z) - Reversed Image Signal Processing and RAW Reconstruction. AIM 2022
Challenge Report [109.2135194765743]
本稿では,AIM 2022 Challenge on Reversed Image Signal Processing and RAW Reconstructionを紹介する。
我々は,メタデータを使わずにRGBから生のセンサイメージを回収し,ISP変換を「逆」することを目的としている。
論文 参考訳（メタデータ） (2022-10-20T10:43:53Z) - Learning sRGB-to-Raw-RGB De-rendering with Content-Aware Metadata [46.28281823015191]
我々は,サンプリングと再構築を共同で学習することで,デレンダリングの結果を改善する方法を示す。
実験の結果,既存の手法よりも画像内容に適応し,生の再現性を向上できることがわかった。
論文 参考訳（メタデータ） (2022-06-03T20:43:17Z) - Towards Low Light Enhancement with RAW Images [101.35754364753409]
我々は、低光強度でRAW画像を使用することの優位性について、最初のベンチマークを行う。
本研究では,RAW画像の特性を計測可能な因子に分解するFEM(Facterized Enhancement Model)を新たに開発した。
実アプリケーションにおけるRAW画像の利点と利用不可のトレードオフを生かしたREENet(RAW-guiding Exposure Enhancement Network)を開発した。
論文 参考訳（メタデータ） (2021-12-28T07:27:51Z) - Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。
実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
論文 参考訳（メタデータ） (2021-08-18T12:41:36Z) - Invertible Image Signal Processing [42.109752151834456]
InvISP(Invertible Image Signal Processing)パイプラインにより、視覚的に魅力的なsRGBイメージをレンダリングできます。
メモリのオーバーヘッドなしにsrgb画像から生データを合成する代わりに、リアルな生データを再構築できる。
論文 参考訳（メタデータ） (2021-03-28T06:30:15Z)
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。