論文の概要: Single Image Dehazing Using Scene Depth Ordering

• arxiv url: http://arxiv.org/abs/2408.05683v1
• Date: Sun, 11 Aug 2024 03:29:27 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-13 16:07:35.528236
• Title: Single Image Dehazing Using Scene Depth Ordering
• Title（参考訳）: Scene Dehazing Using Scene Depth Ordering
• Authors: Pengyang Ling, Huaian Chen, Xiao Tan, Yimeng Shan, Yi Jin,
• Abstract要約: 本研究では, 湿潤画像の深度秩序を利用して, 乾燥過程を導出する深度秩序誘導単写像デハージング法を提案する。 提案手法は、最先端の脱ハージング法よりも高い計算効率で、ポテンシャル構造と鮮明な色を復元することができる。
• 参考スコア（独自算出の注目度）: 15.929908168136823
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Images captured in hazy weather generally suffer from quality degradation, and many dehazing methods have been developed to solve this problem. However, single image dehazing problem is still challenging due to its ill-posed nature. In this paper, we propose a depth order guided single image dehazing method, which utilizes depth order in hazy images to guide the dehazing process to achieve a similar depth perception in corresponding dehazing results. The consistency of depth perception ensures that the regions that look farther or closer in hazy images also appear farther or closer in the corresponding dehazing results, and thus effectively avoid the undesired visual effects. To achieve this goal, a simple yet effective strategy is proposed to extract the depth order in hazy images, which offers a reference for depth perception in hazy weather. Additionally, a depth order embedded transformation model is devised, which performs transmission estimation under the guidance of depth order to realize an unchanged depth order in the dehazing results. The extracted depth order provides a powerful global constraint for the dehazing process, which contributes to the efficient utilization of global information, thereby bringing an overall improvement in restoration quality. Extensive experiments demonstrate that the proposed method can better recover potential structure and vivid color with higher computational efficiency than the state-of-the-art dehazing methods.
• Abstract（参考訳）: 曇りの天候で撮影された画像は、一般的に品質劣化に悩まされ、この問題を解決するために多くの脱暖方法が開発されている。 しかし、画像のデハージングの問題は、その不適切な性質のため、いまだに難しい。 そこで,本研究では,ハズ画像の深度秩序を利用して脱ハズ処理をガイドし,これに対応するデハズ結果に類似した深度知覚を実現する,深度秩序誘導単写像デハズング法を提案する。 奥行き知覚の整合性は、ヘイズ画像において、より遠くまたは近くに見える領域も、対応する脱ヘイズ結果において、より遠くまたは近くに見えることを保証し、望ましくない視覚効果を効果的に回避する。 この目的を達成するために, 湿潤な天候における深度知覚の基準となる, 湿潤な画像の深度秩序を抽出するための, 単純かつ効果的な戦略を提案する。 さらに、デハジング結果に変化のない深度秩序を実現するために、深度秩序の誘導の下で送信推定を行う深度秩序の組込み変換モデルを考案した。 抽出した深度秩序は、デハージングプロセスに強力なグローバル制約を与え、グローバル情報の効率的な利用に寄与し、修復品質の全体的な改善をもたらす。 広汎な実験により, 提案手法は, 最先端の脱ハージング法よりも高い計算効率で, 潜在的な構造と鮮明な色を復元できることを示した。

関連論文リスト

• DRACO-DehazeNet: An Efficient Image Dehazing Network Combining Detail Recovery and a Novel Contrastive Learning Paradigm [3.649619954898362]
  Detail RecoveryとContrastive DehazeNetは、特定のデハズされたシーンコンテキストへの拡張を調整した、詳細なイメージリカバリネットワークである。 大きな革新は、新しい四重項損失に基づくコントラストデハージングパラダイムによって達成された、限られたデータで効果的にトレーニングできることである。
  論文  参考訳（メタデータ） (2024-10-18T16:48:31Z)
• Depth Information Assisted Collaborative Mutual Promotion Network for Single Image Dehazing [9.195173526948123]
  単一画像のデハジングを実現するために,デュアルタスク協調促進フレームワークを提案する。 このフレームワークは、デュアルタスク相互作用機構による深度推定とデハジングを統合している。 提案手法は,最先端手法よりも優れた性能が得られることを示す。
  論文  参考訳（メタデータ） (2024-03-02T06:29:44Z)
• SelfPromer: Self-Prompt Dehazing Transformers with Depth-Consistency [51.92434113232977]
  本研究は,画像デハージングに有効な深度整合型セルフプロンプトトランスを提案する。 ヘイズ残像とその明確な像の深さが異なるという観測によって動機づけられた。 VQGANに基づくエンコーダ・デコーダネットワークにプロンプト、プロンプト埋め込み、そしてインタプリタを組み込むことにより、より優れた知覚品質を実現することができる。
  論文  参考訳（メタデータ） (2023-03-13T11:47:24Z)
• Unpaired Overwater Image Defogging Using Prior Map Guided CycleGAN [60.257791714663725]
  オーバーウォーターシーンで画像をデフォグするための先行マップガイドサイクロン (PG-CycleGAN) を提案する。 提案手法は,最先端の教師付き,半教師付き,非教師付きデグジングアプローチより優れている。
  論文  参考訳（メタデータ） (2022-12-23T03:00:28Z)
• End-to-end Learning for Joint Depth and Image Reconstruction from Diffracted Rotation [10.896567381206715]
  回折回転から深度を学習する新しいエンド・ツー・エンド学習手法を提案する。 提案手法は, 単分子深度推定のタスクにおいて既存の手法よりもはるかに少ない複雑なモデルと少ないトレーニングデータを必要とする。
  論文  参考訳（メタデータ） (2022-04-14T16:14:37Z)
• Progressive Depth Learning for Single Image Dehazing [56.71963910162241]
  既存の脱湿法は、しばしば深度を無視し、より重いヘイズが視界を乱す遠くの地域で失敗する。 画像深度と伝送マップを反復的に推定するディープエンドツーエンドモデルを提案する。 私たちのアプローチは、画像深度と伝送マップの内部関係を明示的にモデリングすることから利益を得ます。
  論文  参考訳（メタデータ） (2021-02-21T05:24:18Z)
• Robust Consistent Video Depth Estimation [65.53308117778361]
  本稿では,単眼映像からカメラのカメラポーズと密集した深度マップを推定するアルゴリズムを提案する。 本手法は,(1)低周波大規模アライメントのためのフレキシブルな変形-スプラインと(2)細部奥行き詳細の高周波アライメントのための幾何認識深度フィルタリングとを組み合わせた手法である。 従来の手法とは対照的に, カメラのポーズを入力として必要とせず, かなりの音量, 揺動, 動きのぼやき, 転がりシャッター変形を含む携帯のハンドヘルドキャプチャに頑健な再構成を実現する。
  論文  参考訳（メタデータ） (2020-12-10T18:59:48Z)
• Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
  グループベース画像復元法は,パッチ間の類似性収集に有効である。 各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。 提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
  論文  参考訳（メタデータ） (2020-08-09T15:12:16Z)
• FD-GAN: Generative Adversarial Networks with Fusion-discriminator for Single Image Dehazing [48.65974971543703]
  画像デハージングのためのFusion-Discriminator (FD-GAN) を用いた完全エンドツーエンドのジェネレータネットワークを提案する。 我々のモデルは、より自然でリアルなデハズド画像を生成することができ、色歪みは少なく、アーティファクトも少ない。 実験により, 提案手法は, 公開合成データセットと実世界の画像の両方において, 最先端の性能に達することが示された。
  論文  参考訳（メタデータ） (2020-01-20T04:36:11Z)

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。