論文の概要: Progressive enhancement and restoration for mural images under low-light and defected conditions based on multi-receptive field strategy

• arxiv url: http://arxiv.org/abs/2405.08245v2
• Date: Wed, 17 Jul 2024 03:36:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-07-18 21:57:43.664156
• Title: Progressive enhancement and restoration for mural images under low-light and defected conditions based on multi-receptive field strategy
• Title（参考訳）: マルチ受容場戦略に基づく低照度・欠陥条件下での壁画画像のプログレッシブ・エンハンスメントと復元
• Authors: Xiameng Wei, Binbin Fan, Ying Wang, Yanxiang Feng, Laiyi Fu,
• Abstract要約: そこで本稿では,MER (Mural Enhancement and Restoration net) と呼ばれる欠陥領域の自動検出手法を用いた2段階復元モデルを提案する。 我々の2段階モデルは、復元された画像の視覚的品質を向上するだけでなく、関連する計量評価において、評価可能な結果も達成する。 我々は提案したモデルを利用して、古代の壁画の復元のためのウェブサイトを開設した。
• 参考スコア（独自算出の注目度）: 3.0055521364600892
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Ancient murals are valuable cultural heritage with great archaeological value. They provide insights into ancient religions, ceremonies, folklore, among other things through their content. However, due to long-term oxidation and inadequate protection, ancient murals have suffered continuous damage, including peeling and mold etc. Additionally, since ancient murals were typically painted indoors, the light intensity in images captured by digital devices is often low. The poor visibility hampers the further restoration of damaged areas. To address the escalating damage to ancient murals and facilitate batch restoration at archaeological sites, we propose a two-stage restoration model with automatic defect area detection strategy which called MER(Mural Enhancement and Restoration net) for ancient murals that are damaged and have been captured in low light. Our two-stage model not only enhances the visual quality of restored images but also achieves commendable results in relevant metric evaluations compared with other competitors. Furthermore, we have launched a website dedicated to the restoration of ancient mural paintings, utilizing the proposed model. Code is available at https://gitee.com/bbfan2024/MER.git.
• Abstract（参考訳）: 古代の壁画は貴重な文化遺産であり、考古学的価値が高い。 彼らはその内容を通じて古代の宗教、儀式、民俗学などについての洞察を提供する。 しかし、長期の酸化や保護が不十分なため、古代の壁画は皮剥きや金型など、継続的な被害を受けている。 また、古代の壁画は一般的に屋内で描かれていたため、デジタル装置で撮影した画像の光度は低いことが多い。 視界の低さは、損傷した地域のさらなる修復を妨げている。 遺跡における古壁画の損傷の増大とバッチ復元を容易にするため, 被害を受けた古壁画のMER(Mural Enhancement and Restoration net)と呼ばれる自動欠陥領域検出戦略を用いた2段階復元モデルを提案する。 我々の2段階モデルは、復元された画像の視覚的品質を向上するだけでなく、他の競技者と比較して、関連する計量評価において満足できる結果を得る。 さらに,提案したモデルを用いて,古壁画の復元のためのウェブサイトを開設した。 コードはhttps://gitee.com/bbfan2024/MER.gitで入手できる。

関連論文リスト

• ReFIR: Grounding Large Restoration Models with Retrieval Augmentation [52.00990126884406]
  本稿では,Retrieval-augmented Framework for Image Restoration (ReFIR) というソリューションを提案する。 我々のReFIRは、抽出した画像を外部知識として組み込んで、既存のLRMの知識境界を拡張する。 実験により,ReFIRは高忠実度だけでなく,現実的な復元結果も得られることが示された。
  論文  参考訳（メタデータ） (2024-10-08T01:27:45Z)
• InstructIR: High-Quality Image Restoration Following Human Instructions [61.1546287323136]
  本稿では,人間の手書きによる画像復元モデルを導出する手法を提案する。 InstructIRという手法は、いくつかの修復作業において最先端の結果を得る。
  論文  参考訳（メタデータ） (2024-01-29T18:53:33Z)
• Coloring the Past: Neural Historical Buildings Reconstruction from Archival Photography [69.93897305312574]
  本稿では, ボリュームレンダリング技術を用いて, 歴史的建造物の形状を復元する手法を提案する。 我々は,高密度点雲を幾何学的先行として利用し,カラー画像に制限のある建物の色を復元するために,色相の埋め込み損失を導入する。
  論文  参考訳（メタデータ） (2023-11-29T16:59:45Z)
• A 3M-Hybrid Model for the Restoration of Unique Giant Murals: A Case Study on the Murals of Yongle Palace [2.9491988705158843]
  ヨンレ宮殿壁画の巨大なサイズとユニークなデータは、既存の深層学習に基づく復元手法の課題を提示する。 これらの課題に対処するために、3M-Hybridモデルが提案されている。 SSIMとPSNRをそれぞれ14.61%、PSNRを4.73%改善している。
  論文  参考訳（メタデータ） (2023-09-12T13:03:32Z)
• Deep image prior inpainting of ancient frescoes in the Mediterranean Alpine arc [0.3958317527488534]
  DIPベースの塗り絵は、アーティファクトを減らし、文脈的/非局所的な情報に適応し、美術史家にとって貴重なツールを提供する。 本研究では,地中海アルプス弧のいくつかの礼拝堂に位置する中世絵画の高度に損傷を受けたデジタル画像のデータセットに,欠落した画像内容の再構成を行う。
  論文  参考訳（メタデータ） (2023-06-25T11:19:47Z)
• Multi-stage Progressive Reasoning for Dunhuang Murals Inpainting [5.167943379184235]
  ダンファンの壁画は、長期間の環境侵食の影響を受け、薄れ、壊れ、表面の脆さ、広範囲の剥離に悩まされている。 本稿では,多段階のプログレッシブ推論ネットワーク(MPR-Net)を設計する。 本手法は定性的および定量的な実験により評価され, 画像の塗装方法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2023-05-10T05:10:00Z)
• Can Artificial Intelligence Reconstruct Ancient Mosaics? [71.93546109923456]
  ここ数年、人工知能(AI)は、テキスト記述や参照画像からの画像の生成において、目覚ましい進歩を遂げてきた。 本稿では,このイノベーティブな技術がモザイクの再構築に有効かどうかを考察する。 結果は、AIがモザイクの重要な特徴を解釈し、シーンの本質を捉えた再構築を生成することができることを示すことを約束している。
  論文  参考訳（メタデータ） (2022-10-07T19:42:09Z)
• Time-Travel Rephotography [18.27081887716396]
  この論文は、現代のカメラでタイムトラベルをシミュレートし、有名テーマを再撮影する。 ノイズ除去、カラー化、スーパーレゾリューションなどの独立した操作を適用する従来の画像復元フィルタとは異なり、StyleGAN2フレームワークを使用して、古い写真を現代の高解像度写真の空間に投影します。
  論文  参考訳（メタデータ） (2020-12-22T18:59:12Z)
• Old Photo Restoration via Deep Latent Space Translation [46.73615925108932]
  本稿では, 深層学習手法を用いて, 深刻な劣化に苦しむ古い写真を復元することを提案する。 実際の写真の劣化は複雑で、合成画像と実際の古い写真とのドメインギャップは、ネットワークの一般化に失敗する。 具体的には、2つの変分オートエンコーダ(VAE)をトレーニングし、それぞれ古い写真とクリーンな写真を2つの潜在空間に変換する。 そして、これら2つの潜伏空間間の変換は、合成ペアデータによって学習される。
  論文  参考訳（メタデータ） (2020-09-14T08:51:53Z)
• Bringing Old Photos Back to Life [46.73615925108932]
  実際の写真の劣化は複雑であり、合成画像と実際の古い写真とのドメインギャップは、ネットワークの一般化に失敗する。 本稿では,実写画像と大量の合成画像のペアを併用した新しい三重項領域翻訳ネットワークを提案する。 提案手法は,古写真復元における視覚的品質の観点から,最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-04-20T17:59:23Z)

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。