論文の概要: ShadowRemovalNet: Efficient Real-Time Shadow Removal

• arxiv url: http://arxiv.org/abs/2403.08142v1
• Date: Wed, 13 Mar 2024 00:04:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-14 16:22:48.284857
• Title: ShadowRemovalNet: Efficient Real-Time Shadow Removal
• Title（参考訳）: ShadowRemovalNet: 効率的なリアルタイムシャドウ除去
• Authors: Alzayat Saleh, Alex Olsen, Jake Wood, Bronson Philippa, Mostafa Rahimi Azghadi
• Abstract要約: ShadowRemovalNetは、リソース制約のあるハードウェア上でリアルタイム画像処理を行う新しい方法である。 既存の手法に比べてフレームレートが大幅に向上する。 推論中に別のシャドウマスクを必要としない。
• 参考スコア（独自算出の注目度）: 3.0516727053033392
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Shadows significantly impact computer vision tasks, particularly in outdoor environments. State-of-the-art shadow removal methods are typically too computationally intensive for real-time image processing on edge hardware. We propose ShadowRemovalNet, a novel method designed for real-time image processing on resource-constrained hardware. ShadowRemovalNet achieves significantly higher frame rates compared to existing methods, making it suitable for real-time computer vision pipelines like those used in field robotics. Beyond speed, ShadowRemovalNet offers advantages in efficiency and simplicity, as it does not require a separate shadow mask during inference. ShadowRemovalNet also addresses challenges associated with Generative Adversarial Networks (GANs) for shadow removal, including artefacts, inaccurate mask estimations, and inconsistent supervision between shadow and boundary pixels. To address these limitations, we introduce a novel loss function that substantially reduces shadow removal errors. ShadowRemovalNet's efficiency and straightforwardness make it a robust and effective solution for real-time shadow removal in outdoor robotics and edge computing applications.
• Abstract（参考訳）: 影は特に屋外環境でのコンピュータビジョンのタスクに大きな影響を及ぼす。 最先端のシャドウ除去法は通常、エッジハードウェア上のリアルタイム画像処理には計算集約的すぎる。 本稿では,リソース制約のあるハードウェア上でのリアルタイム画像処理のための新しい手法であるShadowRemovalNetを提案する。 ShadowRemovalNetは既存の方法に比べてフレームレートが大幅に高く、フィールドロボティクスで使われているようなリアルタイムのコンピュータビジョンパイプラインに適している。 速度を超えて、ShadowRemovalNetは、推論中に別のシャドウマスクを必要としないため、効率とシンプルさの利点を提供する。 ShadowRemovalNetは、アーティファクト、不正確なマスク推定、シャドーとバウンダリピクセル間の一貫性のない監視など、シャドー削除のためのジェネレーティブ・アドバイサル・ネットワーク(GAN)に関連する課題にも対処している。 これらの制約に対処するために、影除去誤差を大幅に低減する新しい損失関数を導入する。 ShadowRemovalNetの効率性と単純性により、屋外ロボティクスやエッジコンピューティングアプリケーションにおいて、リアルタイムのシャドウ除去のための堅牢で効果的なソリューションとなっている。

関連論文リスト

• ShadowRefiner: Towards Mask-free Shadow Removal via Fast Fourier Transformer [41.008740643546226]
  影に影響された画像は、しばしば色と照明の空間的な違いが顕著に現れる。 我々はFast Fourier Transformerを介してマスクレスシャドウ除去・精細ネットワーク(ShadowRefiner)を導入する。 本手法は,NTIRE 2024画像シャドウ除去チャレンジのフィデリティトラックにおいて,第2位を達成し,パーセプチュアルトラックのタイトルを獲得した。
  論文  参考訳（メタデータ） (2024-04-18T03:53:33Z)
• Progressive Recurrent Network for Shadow Removal [99.1928825224358]
  シングルイメージのシャドー削除は、まだ解決されていない重要なタスクである。 既存のディープラーニングベースのアプローチのほとんどは、シャドウを直接削除しようとするが、シャドウをうまく扱えない。 本稿では,影を段階的に除去する簡易かつ効果的なプログレッシブ・リカレント・ネットワーク(PRNet)を提案する。
  論文  参考訳（メタデータ） (2023-11-01T11:42:45Z)
• ShaDocNet: Learning Spatial-Aware Tokens in Transformer for Document Shadow Removal [53.01990632289937]
  本稿では,文書陰影除去のためのトランスフォーマーモデルを提案する。 シャドウとシャドウフリーの両方の領域で、シャドウコンテキストエンコーディングとデコードを使用する。
  論文  参考訳（メタデータ） (2022-11-30T01:46:29Z)
• DC-ShadowNet: Single-Image Hard and Soft Shadow Removal Using Unsupervised Domain-Classifier Guided Network [28.6541488555978]
  教師なしドメイン分類器ガイド付きシャドー除去ネットワークDC-ShadowNetを提案する。 物理に基づく無影色度, シャドウロスの知覚的特徴, 境界の滑らかさに基づく新しい損失を導入した。 実験の結果,これらすべての新しいコンポーネントは,ソフトシャドウの処理だけでなく,ハードシャドウの処理にも有効であることがわかった。
  論文  参考訳（メタデータ） (2022-07-21T12:04:16Z)
• Shadow-Aware Dynamic Convolution for Shadow Removal [80.82708225269684]
  シャドウ領域と非シャドウ領域間の相互依存を分離するための新しいシャドウ・アウェア・ダイナミック・コンボリューション(SADC)モジュールを提案する。 我々のSADCは、非シャドウ領域の色マッピングが学習しやすいという事実に触発され、軽量な畳み込みモジュールで非シャドウ領域を処理する。 我々は,非シャドウ地域からシャドウ地域への情報フローを強化するために,新しいコンボリューション内蒸留損失を開発した。
  論文  参考訳（メタデータ） (2022-05-10T14:00:48Z)
• UnShadowNet: Illumination Critic Guided Contrastive Learning For Shadow Removal [14.898039056038789]
  弱教師付きシャドウ除去フレームワークUnShadowNetを導入する。 イルミネーションネットワークの誘導の下で抽出した影を除去するDeShadowerネットワークで構成されている。 We show that UnShadowNet can be extended to a full-supervised set-up to to exploit the ground-truth when available。
  論文  参考訳（メタデータ） (2022-03-29T11:17:02Z)
• R2D: Learning Shadow Removal to Enhance Fine-Context Shadow Detection [64.10636296274168]
  現在のシャドウ検出方法は、小さく、不明瞭で、ぼやけたエッジを持つシャドウ領域を検出する際には、性能が良くない。 本稿では,深層ニューラルネットワークを修復訓練(シャドウ除去)するRestore to Detect(R2D)という新しい手法を提案する。 提案手法は,近年の手法に比べて微妙なコンテキストの検出が可能でありながら,影検出性能の向上を図っている。
  論文  参考訳（メタデータ） (2021-09-20T15:09:22Z)
• From Shadow Generation to Shadow Removal [19.486543304598264]
  シャドウ生成を弱教師付きシャドウ除去に活用するG2R-ShadowNetを提案する。 提案されたG2R-ShadowNetは3つのサブネットワークで構成されている。 特に、シャドウ生成サブネットは非シャドウ領域をシャドウ領域とスタイリングし、シャドウ除去サブネットをトレーニングするためのペアデータを生成する。
  論文  参考訳（メタデータ） (2021-03-24T05:49:08Z)
• Physics-based Shadow Image Decomposition for Shadow Removal [36.41558227710456]
  陰影除去のための新しい深層学習法を提案する。 影形成の物理モデルにインスパイアされ、線形照明変換を用いて画像内の影効果をモデル化する。 最も困難なシャドウ除去データセットでフレームワークをトレーニングし、テストします。
  論文  参考訳（メタデータ） (2020-12-23T23:06:38Z)
• Self-Supervised Shadow Removal [130.6657167667636]
  条件付きマスクを用いた自己教師付き学習による教師なしシングルイメージシャドウ除去ソリューションを提案する。 既存の文献とは対照的に、一対のシャドウとシャドウのない画像は必要とせず、自己スーパービジョンに頼り、画像にシャドウを取り除いて追加するために深いモデルを共同で学習する。
  論文  参考訳（メタデータ） (2020-10-22T11:33:41Z)

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。