論文の概要: ODCR: Orthogonal Decoupling Contrastive Regularization for Unpaired Image Dehazing

• arxiv url: http://arxiv.org/abs/2404.17825v1
• Date: Sat, 27 Apr 2024 08:13:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-30 19:11:12.131979
• Title: ODCR: Orthogonal Decoupling Contrastive Regularization for Unpaired Image Dehazing
• Title（参考訳）: ODCR: 直交デカップリングコントラスト規則化
• Authors: Zhongze Wang, Haitao Zhao, Jingchao Peng, Lujian Yao, Kaijie Zhao,
• Abstract要約: 非関連画像デハジング(UID)は、背景が同一であるヘイズ/クラー画像のペアを取得することの難しさから、重要な研究課題となっている。 本稿では,直交デカップリングコントラスト正規化(ODCR)と呼ばれるUIDの新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 2.5944091779488123
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Unpaired image dehazing (UID) holds significant research importance due to the challenges in acquiring haze/clear image pairs with identical backgrounds. This paper proposes a novel method for UID named Orthogonal Decoupling Contrastive Regularization (ODCR). Our method is grounded in the assumption that an image consists of both haze-related features, which influence the degree of haze, and haze-unrelated features, such as texture and semantic information. ODCR aims to ensure that the haze-related features of the dehazing result closely resemble those of the clear image, while the haze-unrelated features align with the input hazy image. To accomplish the motivation, Orthogonal MLPs optimized geometrically on the Stiefel manifold are proposed, which can project image features into an orthogonal space, thereby reducing the relevance between different features. Furthermore, a task-driven Depth-wise Feature Classifier (DWFC) is proposed, which assigns weights to the orthogonal features based on the contribution of each channel's feature in predicting whether the feature source is hazy or clear in a self-supervised fashion. Finally, a Weighted PatchNCE (WPNCE) loss is introduced to achieve the pulling of haze-related features in the output image toward those of clear images, while bringing haze-unrelated features close to those of the hazy input. Extensive experiments demonstrate the superior performance of our ODCR method on UID.
• Abstract（参考訳）: 未ペア画像デハージング(UID)は、背景が同一であるヘイズ/クラー画像のペアを取得することの難しさから、重要な研究課題となっている。 本稿では,直交デカップリングコントラスト正規化(ODCR)と呼ばれるUIDの新しい手法を提案する。 本手法は,ハゼの程度に影響を及ぼすハゼ関連特徴と,テクスチャやセマンティック情報などのハゼ関連特徴の両方からなると仮定した。 ODCRは、ヘイズ関連の特徴が明快な画像と密接に類似していることを保証することを目的としており、一方、ヘイズ関連の特徴は入力されたヘイズ画像と一致している。 このモチベーションを達成するために,Stiefel多様体上に幾何的に最適化された直交型MLPを提案する。 さらに,タスク駆動型Depth-wise Feature Classifier (DWFC) を提案し,各チャネルの特徴の寄与に基づいて重みを直交特徴に割り当てる。 最後に、鮮明な画像に対して、出力画像中のヘイズ関連特徴を抽出すると同時に、ヘイズ関連特徴をヘイズ入力に近接させるために、重み付きPatchNCE(WPNCE)損失を導入する。 UIDにおけるODCR法の優れた性能を示す実験を行った。

関連論文リスト

• Mitigating Data Consistency Induced Discrepancy in Cascaded Diffusion Models for Sparse-view CT Reconstruction [4.227116189483428]
  本研究は, 離散性緩和フレームワークを用いた新規なカスケード拡散について紹介する。 潜在空間の低画質画像生成と画素空間の高画質画像生成を含む。 これは、いくつかの推論ステップをピクセル空間から潜在空間に移すことによって計算コストを最小化する。
  論文  参考訳（メタデータ） (2024-03-14T12:58:28Z)
• CFDNet: A Generalizable Foggy Stereo Matching Network with Contrastive Feature Distillation [11.655465312241699]
  コントラスト的特徴蒸留(CFD)に基づく枠組みを導入する。 この戦略は、統合されたクリーンフォグの特徴からの特徴蒸留と対照的な学習を組み合わせることで、霧の深さのヒントとクリーンマッチングの特徴へのバランスのとれた依存を確保する。
  論文  参考訳（メタデータ） (2024-02-28T09:12:01Z)
• DiAD: A Diffusion-based Framework for Multi-class Anomaly Detection [55.48770333927732]
  本稿では,拡散型異常検出(Difusion-based Anomaly Detection, DAD)フレームワークを提案する。 画素空間オートエンコーダ、安定拡散の復調ネットワークに接続する潜在空間セマンティックガイド(SG)ネットワーク、特徴空間事前学習機能抽出器から構成される。 MVTec-ADとVisAデータセットの実験は、我々のアプローチの有効性を実証している。
  論文  参考訳（メタデータ） (2023-12-11T18:38:28Z)
• Dense Affinity Matching for Few-Shot Segmentation [83.65203917246745]
  Few-Shot (FSS) は、新しいクラスイメージをいくつかのサンプルで分割することを目的としている。 本稿では,サポートクエリ間の相互作用を生かした密接な親和性マッチングフレームワークを提案する。 我々のフレームワークは0.68万のパラメータしか持たない異なる設定で非常に競争力のある性能を示す。
  論文  参考訳（メタデータ） (2023-07-17T12:27:15Z)
• SelfPromer: Self-Prompt Dehazing Transformers with Depth-Consistency [51.92434113232977]
  本研究は,画像デハージングに有効な深度整合型セルフプロンプトトランスを提案する。 ヘイズ残像とその明確な像の深さが異なるという観測によって動機づけられた。 VQGANに基づくエンコーダ・デコーダネットワークにプロンプト、プロンプト埋め込み、そしてインタプリタを組み込むことにより、より優れた知覚品質を実現することができる。
  論文  参考訳（メタデータ） (2023-03-13T11:47:24Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• Degradation-agnostic Correspondence from Resolution-asymmetric Stereo [96.03964515969652]
  テレワイドカメラシステムで取得した解像度の異なる2枚の画像からステレオマッチングの問題を考察する。 特徴量整合性という画像空間の代わりに特徴空間に2つのビュー間の整合性を課すことを提案する。 測光損失をトレーニングしたステレオマッチングネットワークは最適ではないが, 特徴抽出器は劣化に依存しない, マッチング特有の特徴を生成できる。
  論文  参考訳（メタデータ） (2022-04-04T12:24:34Z)
• Level-aware Haze Image Synthesis by Self-Supervised Content-Style Disentanglement [56.99803235546565]
  逆行訓練によるhaze画像翻訳の鍵となる手順は、haze合成にのみ関与する特徴、すなわちスタイル特徴と不変意味コンテンツを表す特徴、すなわちそれらの特徴との間にある。 コンテンツ機能。
  論文  参考訳（メタデータ） (2021-03-11T06:53:18Z)
• A GAN-Based Input-Size Flexibility Model for Single Image Dehazing [16.83211957781034]
  本稿では,単一画像デハジングの課題に焦点をあてる。 ヘイズフリーの画像を直接生成する新しいモデルを設計します。 この理由と画像サイズを考慮し,単一画像デハジングのための新たな入力サイズフレキシビリティ条件付き生成逆ネットワーク(cgan)を提案する。
  論文  参考訳（メタデータ） (2021-02-19T08:27:17Z)
• Blur-Attention: A boosting mechanism for non-uniform blurred image restoration [27.075713246257596]
  非一様ぼかし画像の特徴を動的に捉えるためのぼかしアテンションモジュールを提案する。 条件生成の逆方向のフレームワークにぼやけたアテンションネットワークを導入することにより、エンド・ツー・エンドのブラインド・モーション・デブロアリング法を提案する。 実験結果から,PSNR,SSIM,主観的視覚的品質の両面において,本手法の劣化能力は優れた客観的性能を示した。
  論文  参考訳（メタデータ） (2020-08-19T16:07:06Z)

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。