論文の概要: FIRM: Flexible Interactive Reflection reMoval

• arxiv url: http://arxiv.org/abs/2406.01555v2
• Date: Sat, 19 Apr 2025 19:36:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-30 15:54:09.586298
• Title: FIRM: Flexible Interactive Reflection reMoval
• Title（参考訳）: FIRM:フレキシブル・インタラクティブ・リフレクション・リモーバル
• Authors: Xiao Chen, Xudong Jiang, Yunkang Tao, Zhen Lei, Qing Li, Chenyang Lei, Zhaoxiang Zhang,
• Abstract要約: 本稿では,フレキシブル・インタラクティブ・イメージ・リフレクション・リモーバルのための新しいフレームワークFIRMを提案する。 提案するフレームワークは,従来の対話的手法で必要とされるガイダンス時間の10%しか必要としない。 実世界のリフレクション除去データセットの結果から,提案手法が最先端のリフレクション除去性能を示すことが確認された。
• 参考スコア（独自算出の注目度）: 75.38207315080624
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Removing reflection from a single image is challenging due to the absence of general reflection priors. Although existing methods incorporate extensive user guidance for satisfactory performance, they often lack the flexibility to adapt user guidance in different modalities, and dense user interactions further limit their practicality. To alleviate these problems, this paper presents FIRM, a novel framework for Flexible Interactive image Reflection reMoval with various forms of guidance, where users can provide sparse visual guidance (e.g., points, boxes, or strokes) or text descriptions for better reflection removal. Firstly, we design a novel user guidance conversion module (UGC) to transform different forms of guidance into unified contrastive masks. The contrastive masks provide explicit cues for identifying reflection and transmission layers in blended images. Secondly, we devise a contrastive mask-guided reflection removal network that comprises a newly proposed contrastive guidance interaction block (CGIB). This block leverages a unique cross-attention mechanism that merges contrastive masks with image features, allowing for precise layer separation. The proposed framework requires only 10\% of the guidance time needed by previous interactive methods, which makes a step-change in flexibility. Extensive results on public real-world reflection removal datasets validate that our method demonstrates state-of-the-art reflection removal performance. Code is avaliable at https://github.com/ShawnChenn/FlexibleReflectionRemoval.
• Abstract（参考訳）: 単一の画像から反射を除去することは、一般的な反射前兆がないため困難である。 既存の手法には、優れたパフォーマンスのための広範なユーザーガイダンスが含まれているが、異なるモードでユーザーガイダンスを適用する柔軟性に欠けることが多く、密接なユーザーインタラクションは、その実用性をさらに制限する。 そこで本研究では,フレキシブル・インタラクティブ・イメージ・リフレクション・リモーバルのための新しいフレームワークであるFIRMを提案する。 まず,新しいユーザガイダンス変換モジュール(UGC)を設計し,異なる形式のガイダンスを統一されたコントラストマスクに変換する。 対照的なマスクは、ブレンド画像の反射層と透過層を識別するための明確な手がかりを提供する。 第2に,新たに提案されたコントラッシブガイダンス相互作用ブロック(CGIB)を含む,コントラッシブマスク誘導反射除去ネットワークを考案する。 このブロックは、コントラストマスクと画像特徴をマージするユニークなクロスアテンション機構を活用し、正確な層分離を可能にする。 提案したフレームワークは、従来のインタラクティブなメソッドで必要とされるガイダンス時間のわずか10%しか必要とせず、柔軟性の段階的な変化をもたらす。 パブリックな実世界の反射除去データセットの大規模な結果から,提案手法が最先端の反射除去性能を示すことが確認された。 code is avaliable at https://github.com/ShawnChenn/FlexibleReflectionRemoval.com

関連論文リスト

• Reflection Invariance Learning for Few-shot Semantic Segmentation [53.20466630330429]
  Few-shot semantic segmentation (FSS) は、いくつかのアノテーション付きサポートイメージを持つクエリイメージにおいて、目に見えないクラスのオブジェクトをセグメントすることを目的としている。 本稿では,マルチビューマッチング方式でリフレクション不変性をマイニングするための,新しい数ショットセグメンテーションフレームワークを提案する。 PASCAL-$5textiti$とCOCO-$20textiti$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） (2023-06-01T15:14:58Z)
• A Categorized Reflection Removal Dataset with Diverse Real-world Scenes [54.662456878340215]
  我々は、分類され、多様で、現実世界(CDR)に分類された新しい反射除去データセットを構築する。 データセットは様々な環境下で様々なガラスタイプを使用して構築され、多様性が保証される。 現状の反射除去法は, 一般にぼやけた反射に対して良好に機能するが, 他の種類の実世界の反射に対する満足度は得られないことを示す。
  論文  参考訳（メタデータ） (2021-08-07T06:56:57Z)
• Iterative Gradient Encoding Network with Feature Co-Occurrence Loss for Single Image Reflection Removal [6.370905925442655]
  単一画像反射除去のための反復グラデーション符号化ネットワークを提案する。 提案手法は,既存の画像設定に対する反射を良好に除去することができる。
  論文  参考訳（メタデータ） (2021-03-29T19:29:29Z)
• Location-aware Single Image Reflection Removal [54.93808224890273]
  本稿では,位置認識型深層学習に基づく単一画像反射除去手法を提案する。 我々は,リフレクション信頼度マップをネットワークの手がかりとして活用し,リフレクション情報を適応的にエンコードする方法を学習する。 位置情報のネットワークへの統合は、反射除去結果の品質を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-12-13T19:34:35Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• User-assisted Video Reflection Removal [14.913848002123643]
  本稿では,映像のリフレクション除去のためのユーザ支援手法を提案する。 空間的情報と時間的情報の両方に頼り、疎いユーザヒントを使って分離を改善する。 実験の結果,提案手法は映像系列からの反射の除去に成功し,映像歪みを導入せず,また,文献における最先端の反射除去方法よりも著しく優れていることがわかった。
  論文  参考訳（メタデータ） (2020-09-07T17:42:40Z)
• Unsupervised Single-Image Reflection Separation Using Perceptual Deep Image Priors [6.333390830515411]
  単一画像のリフレクション分離のための新しい教師なしフレームワークを提案する。 対象画像上の2つのクロスカップリング深部畳み込みネットワークのパラメータを最適化し、2つの排他的背景層と反射層を生成する。 その結果,本手法は単一画像からの反射を除去するための文献において最も近い教師なし手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-09-01T21:08:30Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)
• Single image reflection removal via learning with multi-image constraints [50.54095311597466]
  本稿では、上記のアプローチの利点を組み合わせ、その欠点を克服する新しい学習ベースソリューションを提案する。 提案アルゴリズムはディープニューラルネットワークを学習して、複数の入力画像間で強化されたジョイント制約でターゲットを最適化する。 我々のアルゴリズムは実画像上でリアルタイムかつ最先端の反射除去性能で動作する。
  論文  参考訳（メタデータ） (2019-12-08T06:10:49Z)

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。