Fugu-MT 論文翻訳(概要): Hybrid Training of Denoising Networks to Improve the Texture Acutance of Digital Cameras

論文の概要: Hybrid Training of Denoising Networks to Improve the Texture Acutance of Digital Cameras

arxiv url: http://arxiv.org/abs/2404.07212v1
Date: Tue, 20 Feb 2024 10:47:06 GMT
ステータス: 処理完了
システム内更新日: 2024-07-01 11:58:46.146176
Title: Hybrid Training of Denoising Networks to Improve the Texture Acutance of Digital Cameras
Title（参考訳）: デジタルカメラのテクスチャ精度向上のためのDenoising Networkのハイブリッドトレーニング
Authors: Raphaël Achddou, Yann Gousseau, Saïd Ladjal,
Abstract要約: 本稿では,自然画像と合成画像の両方に依存した画像復元ニューラルネットワークの混合訓練手法を提案する。提案手法の有効性は,RGB画像のノイズ化とRAW画像のフル開発の両方において実証され,実際の撮像装置のテクスチャ精度の体系的改善への道のりが開かれた。
参考スコア（独自算出の注目度）: 3.400056739248712
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In order to evaluate the capacity of a camera to render textures properly, the standard practice, used by classical scoring protocols, is to compute the frequential response to a dead leaves image target, from which is built a texture acutance metric. In this work, we propose a mixed training procedure for image restoration neural networks, relying on both natural and synthetic images, that yields a strong improvement of this acutance metric without impairing fidelity terms. The feasibility of the approach is demonstrated both on the denoising of RGB images and the full development of RAW images, opening the path to a systematic improvement of the texture acutance of real imaging devices.
Abstract（参考訳）: テクスチャを適切にレンダリングするカメラの能力を評価するため、古典的なスコアリングプロトコルで使用される標準的な手法は、テクスチャの精度基準を構築した死葉画像ターゲットに対する頻繁な応答を計算することである。本研究では,自然画像と合成画像の両方に依存した画像復元ニューラルネットワークの混合訓練手法を提案する。提案手法の有効性は,RGB画像のノイズ化とRAW画像のフル開発の両方において実証され,実際の撮像装置のテクスチャ精度の体系的改善への道のりが開かれた。

関連論文リスト

Semantic Ensemble Loss and Latent Refinement for High-Fidelity Neural Image Compression [58.618625678054826]
本研究は、最適な視覚的忠実度のために設計された強化されたニューラル圧縮手法を提案する。我々は,洗練されたセマンティック・アンサンブル・ロス,シャルボニエ・ロス,知覚的損失,スタイル・ロス,非バイナリ・ディバイザ・ロスを組み込んだモデルを構築した。実験により,本手法は神経画像圧縮の統計的忠実度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） (2024-01-25T08:11:27Z)
Image Reconstruction using Enhanced Vision Transformer [0.08594140167290097]
画像のデノイング,デブロアリング,インペイントといったタスクに使用できる新しい画像再構成フレームワークを提案する。このプロジェクトで提案されるモデルは、2次元画像を入力として取り込んで埋め込みを出力するビジョントランスフォーマー(ViT)に基づいている。モデル再構築機能を改善するために,フレームワークに4つの最適化手法を組み込んだ。
論文参考訳（メタデータ） (2023-07-11T02:14:18Z)
GAN-based Image Compression with Improved RDO Process [20.00340507091567]
速度歪みの最適化を改良した新しいGANベースの画像圧縮手法を提案する。これを実現するために、DisTSとMS-SSIMのメトリクスを用いて、色、テクスチャ、構造における知覚的変性を測定する。提案手法は,既存のGAN法および最先端ハイブリッド(VVC)よりも優れている。
論文参考訳（メタデータ） (2023-06-18T03:21:11Z)
SAR Despeckling using a Denoising Diffusion Probabilistic Model [52.25981472415249]
スペックルの存在は画像品質を劣化させ、SAR画像理解アプリケーションの性能に悪影響を及ぼす。本稿では,SAR脱種のための拡散確率モデルであるSAR-DDPMを紹介する。提案手法は, 最先端の切り離し法と比較して, 定量化と定性化の両面で有意な改善を実現している。
論文参考訳（メタデータ） (2022-06-09T14:00:26Z)
Reliability-based Mesh-to-Grid Image Reconstruction [0.0]
本稿では,メッシュと呼ばれる非整数位置にあるサンプルからの画像の再構成を行う新しい手法を提案する。提案手法は、後に新しい信頼性ベースのコンテンツ適応フレームワークによって改善された初期推定値のセットに依存する。
論文参考訳（メタデータ） (2022-05-20T12:32:52Z)
Lightweight HDR Camera ISP for Robust Perception in Dynamic Illumination Conditions via Fourier Adversarial Networks [35.532434169432776]
照明とノイズ除去の逐次的バランスをとる軽量な2段階画像強調アルゴリズムを提案する。また、異なる照明条件下での一貫した画像強調のためのフーリエスペクトルベース対向フレームワーク(AFNet)を提案する。また,定量的および定性的な評価に基づいて,画像強調技術が共通認識タスクの性能に与える影響について検討した。
論文参考訳（メタデータ） (2022-04-04T18:48:51Z)
Practical Blind Image Denoising via Swin-Conv-UNet and Data Synthesis [148.16279746287452]
本研究では,残差畳み込み層の局所モデリング能力とスウィントランスブロックの非局所モデリング能力を組み込むスウィンコンブブロックを提案する。トレーニングデータ合成のために,異なる種類のノイズを考慮した実用的なノイズ劣化モデルの設計を行う。 AGWN除去と実画像復号化の実験は、新しいネットワークアーキテクチャ設計が最先端の性能を達成することを実証している。
論文参考訳（メタデータ） (2022-03-24T18:11:31Z)
Adaptive Gradient Balancing for UndersampledMRI Reconstruction and Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。 MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文参考訳（メタデータ） (2021-04-05T13:05:22Z)
Frequency Consistent Adaptation for Real World Super Resolution [64.91914552787668]
実シーンにスーパーリゾリューション(SR)法を適用する際に周波数領域の整合性を保証する新しい周波数一貫性適応(FCA)を提案する。監視されていない画像から劣化カーネルを推定し、対応するLow-Resolution (LR)画像を生成する。ドメイン一貫性のあるLR-HRペアに基づいて、容易に実装可能な畳み込みニューラルネットワーク(CNN)SRモデルを訓練する。
論文参考訳（メタデータ） (2020-12-18T08:25:39Z)
Attention Based Real Image Restoration [48.933507352496726]
深層畳み込みニューラルネットワークは、合成劣化を含む画像に対してより良い性能を発揮する。本稿では,新しい1段ブラインド実画像復元ネットワーク(R$2$Net)を提案する。
論文参考訳（メタデータ） (2020-04-26T04:21:49Z)
Burst Denoising of Dark Images [19.85860245798819]
超暗い生画像からクリーンでカラフルなRGB画像を得るためのディープラーニングフレームワークを提案する。我々のフレームワークのバックボーンは、プログレッシブな方法で高品質な出力を生成する新しい粗いネットワークアーキテクチャである。実験により,提案手法は最先端の手法よりも知覚的により満足な結果をもたらすことが示された。
論文参考訳（メタデータ） (2020-03-17T17:17:36Z)

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。