論文の概要: NTIRE 2024 Restore Any Image Model (RAIM) in the Wild Challenge

• arxiv url: http://arxiv.org/abs/2405.09923v1
• Date: Thu, 16 May 2024 09:26:13 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-17 14:51:34.619557
• Title: NTIRE 2024 Restore Any Image Model (RAIM) in the Wild Challenge
• Title（参考訳）: NTIRE 2024は、あらゆる画像モデル(RAIM)をワイルドチャレンジに保存する
• Authors: Jie Liang, Radu Timofte, Qiaosi Yi, Shuaizheng Liu, Lingchen Sun, Rongyuan Wu, Xindong Zhang, Hui Zeng, Lei Zhang,
• Abstract要約: RAIMチャレンジは野生での画像復元のためのベンチマークを構築した。 参加者は、実際の撮影画像が複雑で未知の劣化から復元されることが求められた。 トップランクの手法は最先端の復元性能を改善し、18人の審査員から全会一致の承認を得た。
• 参考スコア（独自算出の注目度）: 60.21380105535203
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this paper, we review the NTIRE 2024 challenge on Restore Any Image Model (RAIM) in the Wild. The RAIM challenge constructed a benchmark for image restoration in the wild, including real-world images with/without reference ground truth in various scenarios from real applications. The participants were required to restore the real-captured images from complex and unknown degradation, where generative perceptual quality and fidelity are desired in the restoration result. The challenge consisted of two tasks. Task one employed real referenced data pairs, where quantitative evaluation is available. Task two used unpaired images, and a comprehensive user study was conducted. The challenge attracted more than 200 registrations, where 39 of them submitted results with more than 400 submissions. Top-ranked methods improved the state-of-the-art restoration performance and obtained unanimous recognition from all 18 judges. The proposed datasets are available at https://drive.google.com/file/d/1DqbxUoiUqkAIkExu3jZAqoElr_nu1IXb/view?usp=sharing and the homepage of this challenge is at https://codalab.lisn.upsaclay.fr/competitions/17632.
• Abstract（参考訳）: 本稿では,NTIRE 2024 Challenge on Restore Any Image Model (RAIM) in the Wildについて概説する。 RAIMチャレンジは、実際のアプリケーションから様々なシナリオにおいて、参照された根拠のない実世界のイメージを含む、野生のイメージ復元のためのベンチマークを構築した。 被験者は, 画像が複雑で未知の劣化から復元することが求められた。 課題は2つの課題から成っていた。 タスク1は実際の参照データペアを使用し、定量的評価が可能である。 タスク2では未ペア画像を使用し,包括的ユーザスタディを実施した。 この挑戦には200以上の登録があり、そのうち39人が400以上の申請書を提出した。 トップランクの手法は最先端の復元性能を改善し、18人の審査員から全会一致の承認を得た。 提案されたデータセットはhttps://drive.google.com/file/d/1DqbxUoiUqkAIkExu3jZAqoElr_nu1IXb/view? この課題のホームページはhttps://codalab.lisn.upsaclay.fr/competitions/17632にある。

関連論文リスト

• NTIRE 2024 Challenge on Image Super-Resolution ($\times$4): Methods and Results [126.78130602974319]
  画像の超高解像度化に関するNTIRE 2024の課題(4ドル)をレビューする。 この課題は、低解像度(LR)入力から4倍の倍率で対応する高解像度(HR)画像を生成することである。 この挑戦の目的は、最も先進的なSR性能を持つ設計/解決を得ることである。
  論文  参考訳（メタデータ） (2024-04-15T13:45:48Z)
• NTIRE 2022 Challenge on Perceptual Image Quality Assessment [90.04931572825859]
  画像品質評価(IQA)におけるNTIRE 2022の課題について報告する。 この課題は、知覚画像処理アルゴリズムによるIQAの新たな課題に対処するためである。 当選方法は、最先端の性能を示すことができる。
  論文  参考訳（メタデータ） (2022-06-23T13:36:49Z)
• NTIRE 2021 Challenge on Burst Super-Resolution: Methods and Results [116.77874476501913]
  ノイズバーストが入力として与えられると、課題は解像度が4倍のクリーンなRGB画像を生成することだった。 この課題には、2つのトラックが含まれており、Track 1は合成されたデータに基づいて評価し、Track 2はモバイルカメラから現実世界のバーストを使用する。 最高性能の手法は、バースト超分解能タスクのための新しい最先端技術を設定した。
  論文  参考訳（メタデータ） (2021-06-07T17:55:28Z)
• NTIRE 2020 Challenge on Real Image Denoising: Dataset, Methods and Results [181.2861509946241]
  本稿は、新たに導入されたデータセットに焦点をあてて、実画像の復調に関するNTIRE 2020の課題をレビューする。 課題は、SIDDベンチマークに基づく実際の画像のデノゲーションに関する以前のNTIRE 2019チャレンジの新バージョンである。
  論文  参考訳（メタデータ） (2020-05-08T15:46:19Z)
• NTIRE 2020 Challenge on Image Demoireing: Methods and Results [111.72904895149804]
  この課題はCVPR 2020と共同で開かれたNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一部だった。 提案手法は, 地上の真理清浄画像と参加者の手法による復元画像とのピーク信号-雑音比(PSNR)を用いて, その忠実度を評価した。
  論文  参考訳（メタデータ） (2020-05-06T22:05:58Z)

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。