論文の概要: Towards Ultra-High-Definition Image Deraining: A Benchmark and An Efficient Method

• arxiv url: http://arxiv.org/abs/2405.17074v1
• Date: Mon, 27 May 2024 11:45:08 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-28 15:42:27.309940
• Title: Towards Ultra-High-Definition Image Deraining: A Benchmark and An Efficient Method
• Title（参考訳）: 超高精細画像デライニングに向けて:ベンチマークと効率的な方法
• Authors: Hongming Chen, Xiang Chen, Chen Wu, Zhuoran Zheng, Jinshan Pan, Xianping Fu,
• Abstract要約: 本稿では,4K解像度で13,000枚の画像対を含む4K-Rain13kの大規模UHD画像デライニングデータセットについて述べる。 我々は,この課題をより効果的かつ効率的な視覚ベースアーキテクチャ (UDR-Mixer) を開発した。
• 参考スコア（独自算出の注目度）: 42.331058889312466
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite significant progress has been made in image deraining, existing approaches are mostly carried out on low-resolution images. The effectiveness of these methods on high-resolution images is still unknown, especially for ultra-high-definition (UHD) images, given the continuous advancement of imaging devices. In this paper, we focus on the task of UHD image deraining, and contribute the first large-scale UHD image deraining dataset, 4K-Rain13k, that contains 13,000 image pairs at 4K resolution. Based on this dataset, we conduct a benchmark study on existing methods for processing UHD images. Furthermore, we develop an effective and efficient vision MLP-based architecture (UDR-Mixer) to better solve this task. Specifically, our method contains two building components: a spatial feature rearrangement layer that captures long-range information of UHD images, and a frequency feature modulation layer that facilitates high-quality UHD image reconstruction. Extensive experimental results demonstrate that our method performs favorably against the state-of-the-art approaches while maintaining a lower model complexity. The code and dataset will be available at https://github.com/cschenxiang/UDR-Mixer.
• Abstract（参考訳）: 画像のデライニングには大きな進歩があったが、既存のアプローチは主に低解像度の画像で行われている。 高解像度画像に対するこれらの手法の有効性はまだ分かっていないが、撮像装置の継続的な進歩を考えると、特に超高精細(UHD)画像に対してである。 本稿では,UHD画像デライニングの課題に焦点をあて,4K解像度で13,000枚の画像対を含む最初の大規模UHD画像デライニングデータセットである4K-Rain13kをコントリビュートする。 本データセットに基づいて,既存のUHD画像処理手法のベンチマーク研究を行う。 さらに,この課題を効果的かつ効果的に解決するためのMLPベースのアーキテクチャ (UDR-Mixer) を開発した。 具体的には、UHD画像の長距離情報をキャプチャする空間的特徴再構成層と、高品質なUHD画像再構成を容易にする周波数特性変調層とを含む。 実験結果から,本手法はモデル複雑性を低く保ちながら,最先端の手法に対して良好に機能することが示された。 コードとデータセットはhttps://github.com/cschenxiang/UDR-Mixer.comから入手できる。

関連論文リスト

• Dropout the High-rate Downsampling: A Novel Design Paradigm for UHD Image Restoration [11.866565346920781]
  D2NetはUHD(Ultra-high-definition)画像の完全な推測を可能にする。 本モデルは,最先端手法よりも定量的,定性的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2024-11-10T13:05:36Z)
• Assessing UHD Image Quality from Aesthetics, Distortions, and Saliency [51.36674160287799]
  我々は3つの視点からUHD画像の品質を評価するためにマルチブランチディープニューラルネットワーク(DNN)を設計する。 UHD画像から低解像度画像から美的特徴を抽出する。 UHD画像から抽出したミニパッチからなる断片画像を用いて, 技術的歪みを測定する。 UHD画像の塩分含有量を検知し、収穫し、塩分領域から品質認識特徴を抽出する。
  論文  参考訳（メタデータ） (2024-09-01T15:26:11Z)
• Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
  近年の拡散モデル (DM) はHDRイメージング分野に導入されている。 DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。 ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-01T01:32:11Z)
• Recurrent Multi-scale Transformer for High-Resolution Salient Object Detection [68.65338791283298]
  Salient Object Detection (SOD) は、画像やビデオの中で最も顕著なオブジェクトを識別し、セグメント化することを目的としている。 従来のSOD法は主に解像度の低い画像に限られており、高分解能SODの開発に適応することが困難である。 本研究ではまず,2K-8K解像度で10,500個の高品質なアノテート画像を含む新しいHRS10Kデータセットを提案する。
  論文  参考訳（メタデータ） (2023-08-07T17:49:04Z)
• Benchmarking Ultra-High-Definition Image Reflection Removal [25.02234305857731]
  本稿では,リフレクション除去のためのRRFormerというトランスフォーマーアーキテクチャを提案する。 RRFormerは非UHDデータセットと提案したUHDRRデータセットの両方で最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-08-01T03:56:50Z)
• Embedding Fourier for Ultra-High-Definition Low-Light Image Enhancement [78.67036949708795]
  UHD(Ultra-High-Definition)写真は、高度な撮像装置の標準構成となっている。 本稿では,Fourier変換をカスケードネットワークに組み込む新しいソリューションUHDFourを提案する。 また,2,150個の低雑音/正規クラー4K画像ペアを含むUHD LLIEデータセットである textbfUHD-LL をコントリビュートした。
  論文  参考訳（メタデータ） (2023-02-23T07:43:41Z)
• Deep Progressive Feature Aggregation Network for High Dynamic Range Imaging [24.94466716276423]
  本研究では,動的シーンにおけるHDR画像の画質向上のための高度な特徴集約ネットワークを提案する。 提案手法は,高対応特徴を暗黙的にサンプリングし,それらを粗い方法で集約してアライメントする。 実験の結果,提案手法は異なるシーン下での最先端性能を実現することができることがわかった。
  論文  参考訳（メタデータ） (2022-08-04T04:37:35Z)
• Towards Efficient and Scale-Robust Ultra-High-Definition Image Demoireing [71.62289021118983]
  本研究では、4Kモアレ画像に対処する効率的なベースラインモデルESDNetを提案する。 我々の手法は、より軽量でありながら、最先端の手法よりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2022-07-20T14:20:52Z)
• Progressive and Selective Fusion Network for High Dynamic Range Imaging [28.639647755164916]
  本稿では,LDR画像からシーンのHDR画像を生成する問題について考察する。 近年の研究では、ディープラーニングを採用し、エンドツーエンドで問題を解決することで、大幅なパフォーマンス向上を実現している。 本稿では,2つのアイデアに基づいて特徴を融合させる新しい手法を提案する。1つは多段階の特徴融合であり,我々のネットワークは同じ構造を持つブロックのスタックに徐々に特徴を融合させる。
  論文  参考訳（メタデータ） (2021-08-19T09:42:03Z)

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。