論文の概要: Reflection Removal Using Recurrent Polarization-to-Polarization Network

• arxiv url: http://arxiv.org/abs/2402.18178v1
• Date: Wed, 28 Feb 2024 09:08:22 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-29 15:32:56.237800
• Title: Reflection Removal Using Recurrent Polarization-to-Polarization Network
• Title（参考訳）: リカレントポーラライゼーションネットワークを用いた反射除去
• Authors: Wenjiao Bian, Yusuke Monno, Masatoshi Okutomi
• Abstract要約: 本稿では, 偏光画像を入力として適用し, 「偏光」反射・透過画像の予測を行う偏光-偏光アプローチを提案する。 公開データセットにおける実験結果から,本手法が他の最先端手法よりも優れていることが示された。
• 参考スコア（独自算出の注目度）: 14.97144413954432
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: This paper addresses reflection removal, which is the task of separating reflection components from a captured image and deriving the image with only transmission components. Considering that the existence of the reflection changes the polarization state of a scene, some existing methods have exploited polarized images for reflection removal. While these methods apply polarized images as the inputs, they predict the reflection and the transmission directly as non-polarized intensity images. In contrast, we propose a polarization-to-polarization approach that applies polarized images as the inputs and predicts "polarized" reflection and transmission images using two sequential networks to facilitate the separation task by utilizing the interrelated polarization information between the reflection and the transmission. We further adopt a recurrent framework, where the predicted reflection and transmission images are used to iteratively refine each other. Experimental results on a public dataset demonstrate that our method outperforms other state-of-the-art methods.
• Abstract（参考訳）: 本稿では, 撮像画像から反射成分を分離し, 透過成分のみで画像を導出する作業である反射除去に対処する。 反射の存在がシーンの偏光状態を変えることを考慮し、いくつかの既存手法は反射除去のために偏光画像を利用する。 これらの方法は入力として偏光画像を適用するが、反射と透過を直接非偏光強度画像として予測する。 対照的に,2つのシーケンシャルネットワークを用いた「偏光」反射・透過画像の入力として偏光画像を適用し,その相互関連偏光情報を利用して分離作業を容易にする偏光-偏光アプローチを提案する。 さらに、予測反射と透過画像を用いて互いに反復的に洗練する再帰的フレームワークを採用する。 公開データセットにおける実験結果から,本手法は他の最先端手法よりも優れていることが示された。

関連論文リスト

• Towards Flexible Interactive Reflection Removal with Human Guidance [75.38207315080624]
  単一の画像反射除去は本質的に不明瞭であり、分離を必要とする反射成分と透過成分の両方が自然な画像統計に従う可能性がある。 既存の手法では、様々な種類の低レベルおよび物理ベースのキューを反射信号の源として利用することでこの問題に対処しようとする。 本稿では,様々な形態のスパース・ヒューマン・ガイダンスを活用するフレキシブル・インタラクティブ・リフレクション・リフレクション・リフレクション・リフレクション・リジェクション・リジェクション・アプローチを提案する。
  論文  参考訳（メタデータ） (2024-06-03T17:34:37Z)
• Polarimetric Light Transport Analysis for Specular Inter-reflection [1.537737222790121]
  そこで本研究では,金属物体の特異な相互反射を一意な偏光特性を用いて処理する新しい分解法を提案する。 この回転方向は、特異面上の直接反射と相互反射の判別因子として機能する。 本研究は, 強いスペクトル相互反射に対する3次元計測の精度向上に有効であることを示す。
  論文  参考訳（メタデータ） (2023-12-07T08:55:28Z)
• Single Image Reflection Removal with Reflection Intensity Prior Knowledge [14.335849624907611]
  本稿では、反射現象の強度を捉えるための一般的な反射強度を提案する。 画像の領域パッチへの分割により、RPENは画像に先立って一様でない反射を学習する。 本稿では, 単純なトランスフォーマU-Netアーキテクチャを用いて, プリエントベース反射除去ネットワーク(PRRN)を提案する。
  論文  参考訳（メタデータ） (2023-12-06T14:52:11Z)
• Transparent Shape from a Single View Polarization Image [6.18278691318801]
  本稿では,一視点偏光画像から透明表面を推定する学習手法を提案する。 従来の偏光法(SfP)法では、固有の透過干渉が物理に基づく事前の信頼性を大幅に低下させるため、透明な形状を推定することが困難である。
  論文  参考訳（メタデータ） (2022-04-13T12:24:32Z)
• Iterative Gradient Encoding Network with Feature Co-Occurrence Loss for Single Image Reflection Removal [6.370905925442655]
  単一画像反射除去のための反復グラデーション符号化ネットワークを提案する。 提案手法は,既存の画像設定に対する反射を良好に除去することができる。
  論文  参考訳（メタデータ） (2021-03-29T19:29:29Z)
• Location-aware Single Image Reflection Removal [54.93808224890273]
  本稿では,位置認識型深層学習に基づく単一画像反射除去手法を提案する。 我々は,リフレクション信頼度マップをネットワークの手がかりとして活用し,リフレクション情報を適応的にエンコードする方法を学習する。 位置情報のネットワークへの統合は、反射除去結果の品質を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-12-13T19:34:35Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• Learning to See Through Obstructions with Layered Decomposition [117.77024641706451]
  移動画像から不要な障害を取り除くための学習に基づくアプローチを提案する。 本手法は背景要素と閉塞要素の運動差を利用して両方の層を復元する。 本研究では,合成データから得られた提案手法が実画像に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-08-11T17:59:31Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)
• Single image reflection removal via learning with multi-image constraints [50.54095311597466]
  本稿では、上記のアプローチの利点を組み合わせ、その欠点を克服する新しい学習ベースソリューションを提案する。 提案アルゴリズムはディープニューラルネットワークを学習して、複数の入力画像間で強化されたジョイント制約でターゲットを最適化する。 我々のアルゴリズムは実画像上でリアルタイムかつ最先端の反射除去性能で動作する。
  論文  参考訳（メタデータ） (2019-12-08T06:10:49Z)

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。