論文の概要: Adaptive Frequency Enhancement Network for Single Image Deraining
- arxiv url: http://arxiv.org/abs/2407.14292v1
- Date: Fri, 19 Jul 2024 13:24:05 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-22 17:24:54.197860
- Title: Adaptive Frequency Enhancement Network for Single Image Deraining
- Title（参考訳）: 単一画像レイニングのための適応周波数拡張ネットワーク
- Authors: Fei Yan, Yuhong He, Keyu Chen, En Cheng, Jikang Ma,
- Abstract要約: 本稿では,単一画像のデライニングに特化して,新しいエンドツーエンド適応周波数拡張ネットワーク(AFENet)を提案する。
我々は、異なるスケールの畳み込みを用いて、画像周波数帯域を適応的に分解し、特徴拡張モジュールを導入し、新しい相互作用モジュールを示す。
このアプローチにより,多様で複雑な降雨パターンを排除し,画像の細部を正確に再構築することが可能になる。
- 参考スコア（独自算出の注目度）: 10.64622976628013
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image deraining aims to improve the visibility of images damaged by rainy conditions, targeting the removal of degradation elements such as rain streaks, raindrops, and rain accumulation. While numerous single image deraining methods have shown promising results in image enhancement within the spatial domain, real-world rain degradation often causes uneven damage across an image's entire frequency spectrum, posing challenges for these methods in enhancing different frequency components. In this paper, we introduce a novel end-to-end Adaptive Frequency Enhancement Network (AFENet) specifically for single image deraining that adaptively enhances images across various frequencies. We employ convolutions of different scales to adaptively decompose image frequency bands, introduce a feature enhancement module to boost the features of different frequency components and present a novel interaction module for interchanging and merging information from various frequency branches. Simultaneously, we propose a feature aggregation module that efficiently and adaptively fuses features from different frequency bands, facilitating enhancements across the entire frequency spectrum. This approach empowers the deraining network to eliminate diverse and complex rainy patterns and to reconstruct image details accurately. Extensive experiments on both real and synthetic scenes demonstrate that our method not only achieves visually appealing enhancement results but also surpasses existing methods in performance.
- Abstract（参考訳）: 画像デライン化は、雨害、雨滴、雨蓄積などの劣化要素を除去することを目的として、雨害による画像の視認性を向上することを目的としている。
多くの単一画像デライン法は、空間領域内での画像強調に有望な結果を示しているが、実際の降雨は、画像全体の周波数スペクトルに不均一な損傷をもたらすことが多く、これらの手法が異なる周波数成分を増強する上での課題となっている。
本稿では,各周波数の画像を適応的に拡張する単一画像デライニングに特化した,新しいエンドツーエンド適応周波数拡張ネットワーク(AFENet)を提案する。
我々は、画像周波数帯域を適応的に分解するために異なるスケールの畳み込みを採用し、異なる周波数成分の特徴を増強する特徴拡張モジュールを導入し、様々な周波数分岐から情報を交換・統合するための新しい相互作用モジュールを提案する。
同時に、周波数帯域の異なる特徴を効率的にかつ適応的に融合し、周波数スペクトル全体の拡張を容易にする特徴集約モジュールを提案する。
このアプローチにより,多様で複雑な降雨パターンを排除し,画像の細部を正確に再構築することが可能になる。
実シーンおよび合成シーンの広汎な実験により,本手法は視覚的にアピールするだけでなく,既存の性能向上手法を超越していることが示された。
関連論文リスト
- AdaIR: Adaptive All-in-One Image Restoration via Frequency Mining and Modulation [99.57024606542416]
周波数マイニングと変調に基づく適応的なオールインワン画像復元ネットワークを提案する。
我々のアプローチは、異なる周波数サブバンド上の画像内容に異なる劣化タイプが影響を及ぼすという観察によって動機付けられている。
提案モデルでは,入力劣化に応じて情報周波数サブバンドをアクセントすることで適応的再構成を実現する。
論文 参考訳（メタデータ） (2024-03-21T17:58:14Z) - Dual-Path Coupled Image Deraining Network via Spatial-Frequency
Interaction [7.682978264249712]
既存の画像デアライニング手法は、臨界周波数情報を無視する傾向がある。
我々は空間領域と周波数領域の情報を統合したDPCNet(Dual-Path Coupled Deraining Network)を開発した。
提案手法は,既存の最先端デラリニング法よりも,下流視力に優れたロバスト性を有する視覚的満足度を実現する。
論文 参考訳（メタデータ） (2024-02-07T13:54:15Z) - Decoupling Degradation and Content Processing for Adverse Weather Image
Restoration [79.59228846484415]
逆の気象画像復元は、雨、干し草、雪などの様々な気象の影響を受ける人々から、鮮明なイメージを復元する試みである。
従来の手法では、1つのネットワーク内で複数の気象タイプを処理できるが、これら2つのプロセス間の決定的な区別を無視し、復元された画像の品質を制限している。
本研究は,DDCNetと呼ばれる新しい悪天候画像復元手法を導入し,チャネル統計に基づく特徴レベルの劣化除去とコンテンツ復元を分離する。
論文 参考訳（メタデータ） (2023-12-08T12:26:38Z) - Unified Frequency-Assisted Transformer Framework for Detecting and
Grounding Multi-Modal Manipulation [109.1912721224697]
本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。
離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。
提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
論文 参考訳（メタデータ） (2023-09-18T11:06:42Z) - Holistic Dynamic Frequency Transformer for Image Fusion and Exposure
Correction [19.088429172840428]
露出関連問題の修正は、画像の品質向上における重要な要素である。
本稿では、周波数領域を利用して露出補正タスクの処理を改善し、統一する新しい手法を提案する。
提案手法は, 露光補正においてより高度で統一された解を実現する方法である。
論文 参考訳（メタデータ） (2023-09-03T14:09:14Z) - Single Image Deraining via Feature-based Deep Convolutional Neural
Network [13.39233717329633]
データ駆動型アプローチとモデルベースアプローチを組み合わせた,単一画像デラミニングアルゴリズムを提案する。
実験の結果,提案アルゴリズムは質的,定量的両面で最先端の手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2023-05-03T13:12:51Z) - WaveFill: A Wavelet-based Generation Network for Image Inpainting [57.012173791320855]
WaveFillはウェーブレットベースの塗装ネットワークで、画像を複数の周波数帯域に分解する。
WaveFillは、空間情報を自然に保存する離散ウェーブレット変換(DWT)を用いて画像を分解する。
低周波帯にL1再構成損失を、高周波帯に敵対損失を施し、それによって周波数間紛争を効果的に軽減する。
論文 参考訳（メタデータ） (2021-07-23T04:44:40Z) - Focal Frequency Loss for Image Reconstruction and Synthesis [125.7135706352493]
周波数領域の狭さが画像再構成と合成品質をさらに改善できることを示す。
本稿では,合成が難しい周波数成分に適応的に焦点を合わせることのできる,新しい焦点周波数損失を提案する。
論文 参考訳（メタデータ） (2020-12-23T17:32:04Z) - Multi-Scale Progressive Fusion Network for Single Image Deraining [84.0466298828417]
空気中の雨のストリークは、位置からカメラまでの距離が異なるため、様々なぼやけた度合いや解像度で現れる。
同様の降雨パターンは、雨像やマルチスケール(またはマルチレゾリューション)バージョンで見ることができる。
本研究では,入力画像のスケールと階層的な深部特徴の観点から,雨天のマルチスケール協調表現について検討する。
論文 参考訳（メタデータ） (2020-03-24T17:22:37Z)
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。