論文の概要: City Scene Super-Resolution via Geometric Error Minimization

• arxiv url: http://arxiv.org/abs/2401.07272v1
• Date: Sun, 14 Jan 2024 12:08:16 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-17 19:10:31.605945
• Title: City Scene Super-Resolution via Geometric Error Minimization
• Title（参考訳）: 幾何誤差最小化による都市景観の超解像
• Authors: Zhengyang Lu and Feng Wang
• Abstract要約: 幾何学的誤差最小化による都市景観の超解像化手法を提案する。 提案手法は,細部と幾何正則性を効率的に復元する。 これは、特に都市部のシーンにおいて、既存の最先端の手法よりも優れています。
• 参考スコア（独自算出の注目度）: 2.8519768339207356
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Super-resolution techniques are crucial in improving image granularity, particularly in complex urban scenes, where preserving geometric structures is vital for data-informed cultural heritage applications. In this paper, we propose a city scene super-resolution method via geometric error minimization. The geometric-consistent mechanism leverages the Hough Transform to extract regular geometric features in city scenes, enabling the computation of geometric errors between low-resolution and high-resolution images. By minimizing mixed mean square error and geometric align error during the super-resolution process, the proposed method efficiently restores details and geometric regularities. Extensive validations on the SET14, BSD300, Cityscapes and GSV-Cities datasets demonstrate that the proposed method outperforms existing state-of-the-art methods, especially in urban scenes.
• Abstract（参考訳）: 超解像技術は画像の粒度向上に不可欠であり、特に複雑な都市部では、幾何学的構造を保存することが、データインフォームドな文化遺産の応用に不可欠である。 本稿では,幾何学的誤差最小化による都市景観超解法を提案する。 幾何一貫性機構は、ハフ変換を利用して都市景観の規則的な幾何学的特徴を抽出し、低解像度画像と高解像度画像の間の幾何学的誤差の計算を可能にする。 超解像過程における混合平均二乗誤差と幾何整合誤差を最小化することにより、提案手法は詳細および幾何正則性を効率的に復元する。 SET14,BSD300,Cityscapes,GSV-Citiesのデータセットに対する広範囲な検証は,提案手法が既存の最先端手法,特に都市シーンにおいて優れていることを示す。

関連論文リスト

• Decoupling Fine Detail and Global Geometry for Compressed Depth Map Super-Resolution [55.9977636042469]
  ビット深度圧縮は、微妙な変化のある領域で均一な深度表現を生成し、詳細情報の回復を妨げる。 密集したランダムノイズは、シーンのグローバルな幾何学的構造を推定する精度を低下させる。 圧縮深度マップ超解像のための新しいフレームワークGDNetを提案する。
  論文  参考訳（メタデータ） (2024-11-05T16:37:30Z)
• SAGS: Structure-Aware 3D Gaussian Splatting [53.6730827668389]
  本研究では,シーンの形状を暗黙的に符号化する構造認識型ガウス散乱法(SAGS)を提案する。 SAGSは、最先端のレンダリング性能と、ベンチマークノベルビュー合成データセットのストレージ要件の削減を反映している。
  論文  参考訳（メタデータ） (2024-04-29T23:26:30Z)
• GeoGaussian: Geometry-aware Gaussian Splatting for Scene Rendering [83.19049705653072]
  ガウススプレイティング最適化の過程で、その構造が意図的に保存されていない場合、シーンの幾何学は徐々に悪化する。 我々はこの問題を緩和するためにGeoGaussianと呼ばれる新しいアプローチを提案する。 提案するパイプラインは、新しいビュー合成と幾何再構成において最先端の性能を達成する。
  論文  参考訳（メタデータ） (2024-03-17T20:06:41Z)
• Towards Geometric-Photometric Joint Alignment for Facial Mesh Registration [3.588864037082647]
  本稿では,幾何情報と測光情報を組み合わせることで,人間の表情を正確に整列する幾何学的・測光的関節アライメント法を提案する。 実験結果は,従来のICPに基づく手法と最先端のディープラーニングに基づく手法を超越した,様々な表現の下で忠実なアライメントを示す。 本手法は,多視点ステレオ顔スキャンからトポロジに一貫性のある顔モデルを得る効率を高める。
  論文  参考訳（メタデータ） (2024-03-05T03:39:23Z)
• Adaptive Surface Normal Constraint for Geometric Estimation from Monocular Images [56.86175251327466]
  本稿では,幾何学的文脈を取り入れつつ,画像から深度や表面正規度などの測地を学習するための新しい手法を提案する。 提案手法は,入力画像に存在する幾何学的変動を符号化した幾何学的文脈を抽出し,幾何的制約と深度推定を相関付ける。 本手法は,画像から高品質な3次元形状を生成可能な密着型フレームワーク内での深度と表面の正規分布推定を統一する。
  論文  参考訳（メタデータ） (2024-02-08T17:57:59Z)
• SIDER: Single-Image Neural Optimization for Facial Geometric Detail Recovery [54.64663713249079]
  SIDERは、教師なしの方法で単一の画像から詳細な顔形状を復元する新しい光度最適化手法である。 以前の作業とは対照的に、SIDERはデータセットの事前に依存せず、複数のビュー、照明変更、地上の真実の3D形状から追加の監視を必要としない。
  論文  参考訳（メタデータ） (2021-08-11T22:34:53Z)
• Visual SLAM with Graph-Cut Optimized Multi-Plane Reconstruction [11.215334675788952]
  本稿では,インスタンス平面セグメンテーションネットワークからのキューを用いたポーズ推定とマッピングを改善する意味平面SLAMシステムを提案する。 メインストリームのアプローチはRGB-Dセンサーを使用するが、そのようなシステムを備えた単眼カメラを使うことは、ロバストデータアソシエーションや正確な幾何モデルフィッティングといった課題に直面している。
  論文  参考訳（メタデータ） (2021-08-09T18:16:08Z)
• Adaptive Surface Normal Constraint for Depth Estimation [102.7466374038784]
  アダプティブサーフェスノーマル(ASN)制約と呼ばれるシンプルで効果的な手法を導入し、深さ推定と幾何学的一貫性を相関させます。 本手法は3次元形状を忠実に再構成でき,境界,鋭角,雑音などの局所形状変化に頑健である。
  論文  参考訳（メタデータ） (2021-03-29T10:36:25Z)
• Robust Face Alignment by Multi-order High-precision Hourglass Network [44.94500006611075]
  本稿では,熱マップサブピクセル回帰 (HSR) 法と多階クロスジオメトリ・アウェア (MCG) モデルを提案する。 HSR法は、よく設計されたサブピクセル検出損失(SDL)とサブピクセル検出技術(SDT)により、高精度なランドマーク検出を実現するために提案されている。 同時に、MCGモデルは、提案した多階交差情報を用いて、顔の幾何学的制約と文脈情報を強化するためのより識別的な表現を学習することができる。
  論文  参考訳（メタデータ） (2020-10-17T05:40:30Z)

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。