論文の概要: Reimagining Reality: A Comprehensive Survey of Video Inpainting Techniques

• arxiv url: http://arxiv.org/abs/2401.17883v1
• Date: Wed, 31 Jan 2024 14:41:40 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-01 14:15:44.241067
• Title: Reimagining Reality: A Comprehensive Survey of Video Inpainting Techniques
• Title（参考訳）: Reimagining Reality: ビデオ塗装技術に関する総合的な調査
• Authors: Shreyank N Gowda, Yash Thakre, Shashank Narayana Gowda, Xiaobo Jin
• Abstract要約: ビデオ・インペイント(英: Video inpainting)とは、ビデオ・シーケンスの欠落や破損した部分を再生または埋めるプロセスである。 本研究は, 主要な技術, その基盤となる理論, 有効利用を分解する。 我々は、視覚的品質を評価するために人間中心のアプローチを採用し、異なる映像塗装技術の出力を評価するためにアノテータのパネルを登録する。
• 参考スコア（独自算出の注目度）: 6.36998581871295
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper offers a comprehensive analysis of recent advancements in video inpainting techniques, a critical subset of computer vision and artificial intelligence. As a process that restores or fills in missing or corrupted portions of video sequences with plausible content, video inpainting has evolved significantly with the advent of deep learning methodologies. Despite the plethora of existing methods and their swift development, the landscape remains complex, posing challenges to both novices and established researchers. Our study deconstructs major techniques, their underpinning theories, and their effective applications. Moreover, we conduct an exhaustive comparative study, centering on two often-overlooked dimensions: visual quality and computational efficiency. We adopt a human-centric approach to assess visual quality, enlisting a panel of annotators to evaluate the output of different video inpainting techniques. This provides a nuanced qualitative understanding that complements traditional quantitative metrics. Concurrently, we delve into the computational aspects, comparing inference times and memory demands across a standardized hardware setup. This analysis underscores the balance between quality and efficiency: a critical consideration for practical applications where resources may be constrained. By integrating human validation and computational resource comparison, this survey not only clarifies the present landscape of video inpainting techniques but also charts a course for future explorations in this vibrant and evolving field.
• Abstract（参考訳）: 本稿では,コンピュータビジョンと人工知能の重要なサブセットである映像塗装技術の最近の進歩を包括的に分析する。 ビデオシーケンスの欠落や破損した部分を再生または埋めるプロセスとして、ビデオのインペイントは深層学習方法論の出現とともに大きく進化した。 既存の手法やその急速な発展にもかかわらず、風景は複雑であり、初心者と確立された研究者の両方にとって課題となっている。 本研究は, 主要な技術, その基盤となる理論, 有効利用を分解する。 さらに,視覚的品質と計算効率の両面を中心に,徹底的な比較研究を行っている。 視覚の質を評価するために人間中心のアプローチを採用し、様々な映像インペインティング技法の出力を評価するアノテータのパネルを用意した。 これは従来の定量的メトリクスを補完する微妙な質的理解を提供する。 同時に、私たちは計算の側面を精査し、標準化されたハードウェアのセットアップで推論時間とメモリ要求を比較します。 この分析は、品質と効率のバランスを基礎としている:リソースが制約される可能性のある実用的なアプリケーションに対する批判的考察である。 人間のバリデーションと計算資源の比較を統合することで、この調査は映像のインペイント技術の現状を明らかにするだけでなく、この活気ある発展途上の分野における将来の探索のコースも表している。

関連論文リスト

• Deep video representation learning: a survey [4.9589745881431435]
  近年,視覚データに対する逐次的特徴学習法が提案され,その特徴と欠点を比較して一般的なビデオ解析を行った。 ビデオ解析と理解を含むコンピュータビジョンタスクにおいて、ビデオの効果的な機能を構築することが根本的な問題である。
  論文  参考訳（メタデータ） (2024-05-10T16:20:11Z)
• Deep Learning-based Image and Video Inpainting: A Survey [47.53641171826598]
  本稿では,深層学習に基づく画像と映像のインペイント手法について概観的にレビューする。 既存のメソッドを,ハイレベルなインペイントパイプラインの観点から,さまざまなカテゴリに分類する。 我々は,低レベルの画素と高レベルの知覚的類似性の評価指標を提示し,性能評価を行い,代表印字方法の長所と短所について議論する。
  論文  参考訳（メタデータ） (2024-01-07T05:50:12Z)
• Synergy of Machine and Deep Learning Models for Multi-Painter Recognition [0.0]
  我々は,62名のアーティストを含む絵画認識タスクのための大規模データセットを新たに導入し,良好な結果を得た。 RegNetは、機能をエクスポートする上で、SVMは、最大85%のパフォーマンスを持つ画家に基づいて、イメージの最高の分類を行う。
  論文  参考訳（メタデータ） (2023-04-28T11:34:53Z)
• A domain adaptive deep learning solution for scanpath prediction of paintings [66.46953851227454]
  本稿では,ある絵画の視覚的体験における視聴者の眼球運動分析に焦点を当てた。 我々は、人間の視覚的注意を予測するための新しいアプローチを導入し、人間の認知機能に影響を及ぼす。 提案した新しいアーキテクチャは、画像を取り込んでスキャンパスを返す。
  論文  参考訳（メタデータ） (2022-09-22T22:27:08Z)
• Compositional Scene Representation Learning via Reconstruction: A Survey [48.33349317481124]
  構成シーン表現学習はそのような能力を実現するタスクである。 ディープニューラルネットワークは表現学習において有利であることが証明されている。 大量のラベルのないデータを使用し、費用がかかるデータアノテーションを避けることができるため、再構築による学習は有利である。
  論文  参考訳（メタデータ） (2022-02-15T02:14:05Z)
• Neural Fields in Visual Computing and Beyond [54.950885364735804]
  機械学習の最近の進歩は、座標ベースニューラルネットワークを用いた視覚コンピューティング問題の解決への関心が高まっている。 ニューラルネットワークは、3D形状と画像の合成、人体のアニメーション、3D再構成、ポーズ推定に成功している。 本報告は、文脈、数学的基礎、および、ニューラルネットワークに関する文献の広範なレビューを提供する。
  論文  参考訳（メタデータ） (2021-11-22T18:57:51Z)
• Image Quality Assessment in the Modern Age [53.19271326110551]
  本チュートリアルは、画像品質評価(IQA)の基礎的理論、方法論、現状の進歩を聴衆に提供する。 まず,視覚刺激を適切に選択する方法に着目し,主観的品質評価手法を再考する。 手書きのエンジニアリングと(深い)学習ベースの手法の両方をカバーします。
  論文  参考訳（メタデータ） (2021-10-19T02:38:46Z)
• Video Summarization Using Deep Neural Networks: A Survey [72.98424352264904]
  ビデオ要約技術は、ビデオコンテンツの最も有益な部分を選択して、簡潔で完全なシノプシスを作成することを目指しています。 本研究は,この領域における最近の進歩に着目し,既存の深層学習に基づく総括的映像要約手法の包括的調査を行う。
  論文  参考訳（メタデータ） (2021-01-15T11:41:29Z)

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。