論文の概要: Self-Supervised Multi-Scale Network for Blind Image Deblurring via Alternating Optimization
- arxiv url: http://arxiv.org/abs/2409.00988v1
- Date: Mon, 2 Sep 2024 07:08:17 GMT
- ステータス: 処理完了
- システム内更新日: 2024-09-06 07:59:10.409764
- Title: Self-Supervised Multi-Scale Network for Blind Image Deblurring via Alternating Optimization
- Title（参考訳）: 交互最適化によるブラインド画像デブロアリングのための自己監督型マルチスケールネットワーク
- Authors: Lening Guo, Jing Yu, Ning Zhang, Chuangbai Xiao,
- Abstract要約: 本稿では,遅延画像とぼやけたカーネルを共同で推定する,自己監督型マルチスケールブラインド画像デブロアリング手法を提案する。
複数スケールにわたる協調的推定により,計算集約的な粗大な伝播や画像の劣化を回避できる。
- 参考スコア（独自算出の注目度）: 12.082424048578753
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Blind image deblurring is a challenging low-level vision task that involves estimating the unblurred image when the blur kernel is unknown. In this paper, we present a self-supervised multi-scale blind image deblurring method to jointly estimate the latent image and the blur kernel via alternating optimization. In the image estimation step, we construct a multi-scale generator network with multiple inputs and multiple outputs to collaboratively estimate latent images at various scales, supervised by an image pyramid constructed from only the blurred image. This generator places architectural constraints on the network and avoids the need for mathematical expression of image priors. In the blur kernel estimation step, the blur kernel at each scale is independently estimated with a direct solution to a quadratic regularized least-squares model for its flexible adaptation to the proposed multi-scale generator for image estimation. Thanks to the collaborative estimation across multiple scales, our method avoids the computationally intensive coarse-to-fine propagation and additional image deblurring processes used in traditional mathematical optimization-based methods. Quantitative and qualitative experimental results on synthetic and realistic datasets demonstrate the superior performance of our method, especially for handling large and real-world blurs.
- Abstract（参考訳）: ブラインドイメージデブロワーリング(Blind image deblurring)は、ぼやけたカーネルが未知のときに、未ブルーのイメージを推定する、挑戦的な低レベルのビジョンタスクである。
本稿では,画像とぼやけたカーネルを交互に推定する,自己監督型マルチスケールブラインド画像デブロアリング手法を提案する。
画像推定ステップでは、複数の入力と複数の出力を持つマルチスケールジェネレータネットワークを構築し、様々なスケールで遅延画像を協調的に推定し、ぼやけた画像のみから構築した画像ピラミッドによって監督する。
このジェネレータは、ネットワーク上にアーキテクチャ上の制約を配置し、画像先行の数学的表現を必要としない。
ぼやけたカーネル推定ステップでは、画像推定のために提案したマルチスケールジェネレータへの柔軟な適応のために、各スケールのぼやけたカーネルを2次正規化最小二乗モデルへの直接解で独立に推定する。
提案手法は,複数スケールにわたる協調的推定により,計算集約的な粗大な伝播や,従来の数式最適化法で用いられる画像の劣化を回避できる。
合成および現実的なデータセットの定量的および定性的な実験結果から,本手法の優れた性能,特に大規模および実世界のぼかしの処理性能を示す。
関連論文リスト
- Multi-Head Attention Residual Unfolded Network for Model-Based Pansharpening [2.874893537471256]
展開融合法は、ディープラーニングの強力な表現能力とモデルベースアプローチの堅牢性を統合する。
本稿では,衛星画像融合のためのモデルに基づく深部展開手法を提案する。
PRISMA、Quickbird、WorldView2データセットの実験結果から、本手法の優れた性能が示された。
論文 参考訳（メタデータ） (2024-09-04T13:05:00Z) - SpotDiffusion: A Fast Approach For Seamless Panorama Generation Over Time [7.532695984765271]
生成モデルを用いて高解像度画像を生成する新しい手法を提案する。
提案手法は,時間とともに重なりのないデノベーションウィンドウをシフトさせ,一段階のシームが次回修正されるようにする。
提案手法は計算効率の向上や推論時間の高速化など,いくつかの重要な利点を提供する。
論文 参考訳（メタデータ） (2024-07-22T09:44:35Z) - Generative Powers of Ten [60.6740997942711]
本稿では,複数の画像スケールにまたがる一貫したコンテンツを生成するために,テキスト・ツー・イメージ・モデルを用いる手法を提案する。
マルチスケール拡散サンプリングを共同で行うことで実現した。
本手法は従来の超解像法よりも深いズームレベルを実現する。
論文 参考訳（メタデータ） (2023-12-04T18:59:25Z) - Learning Robust Multi-Scale Representation for Neural Radiance Fields
from Unposed Images [65.41966114373373]
コンピュータビジョンにおけるニューラルイメージベースのレンダリング問題に対する改善された解決策を提案する。
提案手法は,テスト時に新たな視点からシーンのリアルなイメージを合成することができる。
論文 参考訳（メタデータ） (2023-11-08T08:18:23Z) - Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳（メタデータ） (2023-08-10T12:53:30Z) - Nonlinear Intensity, Scale and Rotation Invariant Matching for
Multimodal Images [7.464763738325105]
マルチモーダル画像のマッチングに有効な手法を提案する。
強大なスケール変化, 回転, 非線形強度歪み(NID)を伴うノイズの多いマルチモーダル画像対を扱う場合, 従来のマッチング法は失敗する
我々は,任意の角度における画像回転の影響を低減するために,高精度な主方向推定手法を提案した。
論文 参考訳（メタデータ） (2023-02-28T01:44:55Z) - Deep Uncalibrated Photometric Stereo via Inter-Intra Image Feature
Fusion [17.686973510425172]
本稿では, 深部非校正光度ステレオの新しい手法を提案する。
画像間表現を効率的に利用し、正規推定を導出する。
本手法は, 合成データと実データの両方において, 最先端の手法よりも有意に優れた結果が得られる。
論文 参考訳（メタデータ） (2022-08-06T03:59:54Z) - Deblurring via Stochastic Refinement [85.42730934561101]
条件付き拡散モデルに基づくブラインドデブロアリングのための代替フレームワークを提案する。
提案手法は,PSNRなどの歪み指標の点で競合する。
論文 参考訳（メタデータ） (2021-12-05T04:36:09Z) - DWDN: Deep Wiener Deconvolution Network for Non-Blind Image Deblurring [66.91879314310842]
本稿では,古典的なWienerデコンボリューションフレームワークを学習深い特徴と統合することにより,特徴空間における明示的なデコンボリューションプロセスを提案する。
マルチスケールのカスケード機能改善モジュールは、分離された深い特徴から退色画像を予測する。
提案したDeep Wienerデコンボリューションネットワークは,目に見える成果物が少なく,かつ,最先端の非盲点画像デコンボリューション手法を広いマージンで定量的に上回っていることを示す。
論文 参考訳（メタデータ） (2021-03-18T00:38:11Z) - Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。
両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。
画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
論文 参考訳（メタデータ） (2020-08-25T03:30:53Z)
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。