論文の概要: LIR: A Lightweight Baseline for Image Restoration
- arxiv url: http://arxiv.org/abs/2402.01368v2
- Date: Thu, 29 Feb 2024 01:56:08 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-01 17:54:27.240312
- Title: LIR: A Lightweight Baseline for Image Restoration
- Title(参考訳): LIR:画像復元のための軽量ベースライン
- Authors: Dongqi Fan, Ting Yue, Xin Zhao, Liang Chang
- Abstract要約: 画像復元のための軽量ベースラインであるLIRを提案し,画像の効率的な再構成と劣化の除去を行う。
LIRは、現代のネットワークで無視される局所的および大域的残差接続に存在する劣化に対処する。
我々のLIRは,特定のタスクにおけるパラメータや計算量が少なく,最先端モデルに匹敵する性能を実現している。
- 参考スコア(独自算出の注目度): 4.907416877454047
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, there have been significant advancements in Image Restoration based
on CNN and transformer. However, the inherent characteristics of the Image
Restoration task are often overlooked. Many works, instead, only focus on the
basic block design and stack numerous such blocks to the model, leading to
parameters redundant and computations unnecessary. Thus, the efficiency of the
image restoration is hindered. In this paper, we propose a Lightweight Baseline
for Image Restoration called LIR to efficiently reconstruct the image and
remove degradations (blur, rain, noise, haze). First of all, LIR addresses the
degradations existing in the local and global residual connections that are
ignored by modern networks, through a simple structural design. Then, to
achieve lightweight, a Lightweight Adaptive Attention (LAA) Block is introduced
depending on the inherent characteristics of the Image Restoration, which is
mainly composed of proposed Adaptive Filters and Attention Blocks. LAA is
capable of adaptively sharpening contours, removing degradation, and capturing
global information in various Image Restoration scenes in a
computation-friendly manner. Extensive experiments demonstrate that our LIR
achieves comparable performance to state-of-the-art models with fewer
parameters and computations in certain tasks. In addition, it is worth noting
that our LIR produces better visual results than state-of-the-art networks that
are more in line with the human aesthetic.
- Abstract(参考訳): 近年,CNNとトランスフォーマーをベースとした画像復元が大幅に進歩している。
しかし、画像復元作業の本質的な特徴は見過ごされることが多い。
代わりに、多くの作業は基本ブロック設計のみに焦点を当て、そのようなブロックをモデルに積み重ねることで、パラメータの冗長性と計算が不要になる。
これにより、画像復元の効率化が阻害される。
本稿では,LIRと呼ばれる軽量画像復元用ベースラインを提案し,画像の効率よく再構築し,劣化(青,雨,騒音,迷路)を除去する。
まず第一に、lirは単純な構造設計を通じて、現代のネットワークによって無視されるローカルおよびグローバルの残差接続に存在する劣化に対処する。
次に、軽量化のために、主に提案された適応フィルタと注意ブロックからなる画像復元の特性に応じて軽量適応注意ブロック(LAA)を導入する。
LAAは、輪郭を適応的に研ぎ、劣化を除去し、様々な画像復元シーンのグローバル情報を計算しやすい方法でキャプチャすることができる。
我々のLIRは,特定のタスクにおけるパラメータや計算量が少なく,最先端モデルに匹敵する性能を実現している。
さらに、我々のLIRは、人間の美学に則った最先端のネットワークよりも、より良い視覚結果を生み出すことに注意する必要がある。
関連論文リスト
- Unified-Width Adaptive Dynamic Network for All-In-One Image Restoration [50.81374327480445]
本稿では, 複雑な画像劣化を基本劣化の観点で表現できる, という新しい概念を提案する。
We propose the Unified-Width Adaptive Dynamic Network (U-WADN) which consist of two pivotal components: a Width Adaptive Backbone (WAB) and a Width Selector (WS)。
提案したU-WADNは、最大32.3%のFLOPを同時に削減し、約15.7%のリアルタイム加速を実現している。
論文 参考訳(メタデータ) (2024-01-24T04:25:12Z) - Prompt-based Ingredient-Oriented All-in-One Image Restoration [0.0]
複数の画像劣化課題に対処する新しいデータ成分指向手法を提案する。
具体的には、エンコーダを用いて特徴をキャプチャし、デコーダを誘導するための劣化情報を含むプロンプトを導入する。
我々の手法は最先端技術と競争的に機能する。
論文 参考訳(メタデータ) (2023-09-06T15:05:04Z) - Enhancing Low-light Light Field Images with A Deep Compensation
Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳(メタデータ) (2023-08-10T07:53:06Z) - All-in-one Multi-degradation Image Restoration Network via Hierarchical
Degradation Representation [47.00239809958627]
我々は新しいオールインワン・マルチデグレーション画像復元ネットワーク(AMIRNet)を提案する。
AMIRNetは、クラスタリングによって木構造を段階的に構築することで、未知の劣化画像の劣化表現を学習する。
この木構造表現は、様々な歪みの一貫性と不一致を明示的に反映しており、画像復元の具体的な手がかりとなっている。
論文 参考訳(メタデータ) (2023-08-06T04:51:41Z) - NAI$_2$: Learning Noise-Aware Illuminance-Interpolator for Unsupervised
Low-Light Image Enhancement [60.16518200243248]
低照度の状況は、消費者写真における美的品質の追求を厳しく制限する。
照明補償の本質的な物理原理を探求する方法は無視されている。
本稿では, シンプルで効率的なノイズ対応イルミネーション補間器を提案する。
論文 参考訳(メタデータ) (2023-05-17T13:56:48Z) - Unlocking Low-Light-Rainy Image Restoration by Pairwise Degradation
Feature Vector Guidance [40.06115958764975]
L2RIRNet$という,低照度化とデラミネーションを両立できるエンド・ツー・エンドのネットワークを提案する。
我々のネットワークは主に、P-Net(Pairwise Degradation Feature Vector extract Network)とRecovery Network(R-Net)を含む。
論文 参考訳(メタデータ) (2023-05-06T10:17:42Z) - Invertible Network for Unpaired Low-light Image Enhancement [78.33382003460903]
本稿では,非可逆的ネットワークを活用して,前処理における低照度画像の強化と,非対向学習により逆向きに通常の照度画像の劣化を図ることを提案する。
対向的損失に加えて、トレーニングの安定性を確保し、より詳細な画像を保存するために、様々な損失関数を設計する。
低照度画像に対するプログレッシブ自己誘導強調処理を提案し,SOTAに対して良好な性能を示す。
論文 参考訳(メタデータ) (2021-12-24T17:00:54Z) - Spatially-Adaptive Image Restoration using Distortion-Guided Networks [51.89245800461537]
空間的に変化する劣化に苦しむ画像の復元のための学習ベースソリューションを提案する。
本研究では、歪み局所化情報を活用し、画像中の困難な領域に動的に適応するネットワーク設計であるSPAIRを提案する。
論文 参考訳(メタデータ) (2021-08-19T11:02:25Z) - Multi-scale Self-calibrated Network for Image Light Source Transfer [6.756499794542229]
LLSTはシーン再構成、シャドウ推定、イメージ再レンダリングの3つのサブタスクに分解される。
特徴表現をキャリブレーションする新しいダウンサンプリング機能自己キャリブレーションブロック(DFSB)とアップサンプリング機能自己キャリブレーションブロック(UFSB)を提案する。
VIDITデータセットの実験結果から,提案手法はLLSTの性能を著しく向上させることが示された。
論文 参考訳(メタデータ) (2021-04-18T12:23:01Z)
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。