論文の概要: WTCL-Dehaze: Rethinking Real-world Image Dehazing via Wavelet Transform and Contrastive Learning

• arxiv url: http://arxiv.org/abs/2410.04762v1
• Date: Mon, 7 Oct 2024 05:36:11 GMT
• ステータス: 処理完了
• システム内更新日: 2024-11-02 02:07:46.525510
• Title: WTCL-Dehaze: Rethinking Real-world Image Dehazing via Wavelet Transform and Contrastive Learning
• Title（参考訳）: WTCL-Dehaze:ウェーブレット変換とコントラスト学習による実世界のイメージデハジングの再考
• Authors: Divine Joseph Appiah, Donghai Guan, Abdul Nasser Kasule, Mingqiang Wei,
• Abstract要約: 自律運転や監視といったアプリケーションには、単一イメージのデハジングが不可欠だ。 コントラスト損失と離散ウェーブレット変換を統合した半教師付きデハージングネットワークを提案する。 提案アルゴリズムは,最先端の単一画像復調法と比較して,優れた性能とロバスト性を実現している。
• 参考スコア（独自算出の注目度）: 17.129068060454255
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Images captured in hazy outdoor conditions often suffer from colour distortion, low contrast, and loss of detail, which impair high-level vision tasks. Single image dehazing is essential for applications such as autonomous driving and surveillance, with the aim of restoring image clarity. In this work, we propose WTCL-Dehaze an enhanced semi-supervised dehazing network that integrates Contrastive Loss and Discrete Wavelet Transform (DWT). We incorporate contrastive regularization to enhance feature representation by contrasting hazy and clear image pairs. Additionally, we utilize DWT for multi-scale feature extraction, effectively capturing high-frequency details and global structures. Our approach leverages both labelled and unlabelled data to mitigate the domain gap and improve generalization. The model is trained on a combination of synthetic and real-world datasets, ensuring robust performance across different scenarios. Extensive experiments demonstrate that our proposed algorithm achieves superior performance and improved robustness compared to state-of-the-art single image dehazing methods on both benchmark datasets and real-world images.
• Abstract（参考訳）: 乱雑な屋外環境で撮影された画像は、しばしば色歪み、低コントラスト、ディテールの喪失に悩まされ、ハイレベルな視覚タスクを損なう。 画像の鮮明さの回復を目的とした、自律運転や監視などのアプリケーションには、シングルイメージのデハジングが不可欠である。 本研究では、コントラシブロスと離散ウェーブレット変換(DWT)を統合した半教師付きデハズネットワークWTCL-Dehazeを提案する。 コントラッシブな正規化を取り入れて,鮮明な画像対と鮮明な画像対を対比することで特徴表現を強化する。 さらに、DWTをマルチスケールの特徴抽出に利用し、高周波の詳細やグローバルな構造を効果的に把握する。 提案手法では,ラベル付きデータと非ラベル付きデータの両方を利用して,領域ギャップを緩和し,一般化を改善する。 このモデルは、合成データセットと実世界のデータセットの組み合わせに基づいてトレーニングされており、さまざまなシナリオで堅牢なパフォーマンスを保証する。 大規模な実験により,提案アルゴリズムは,ベンチマークデータセットと実世界の両方の画像に対して,最先端の単一画像デハージング手法と比較して,優れた性能と堅牢性を実現していることが示された。

関連論文リスト

• Multi-scale Frequency Enhancement Network for Blind Image Deblurring [7.198959621445282]
  視覚障害者のためのマルチスケール周波数拡張ネットワーク(MFENet)を提案する。 ぼやけた画像のマルチスケール空間およびチャネル情報をキャプチャするために,深度的に分離可能な畳み込みに基づくマルチスケール特徴抽出モジュール(MS-FE)を導入する。 提案手法は,視覚的品質と客観的評価の両指標において,優れた劣化性能を達成できることを実証する。
  論文  参考訳（メタデータ） (2024-11-11T11:49:18Z)
• 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)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for Loss-free Multi-Exposure Image Fusion [60.221404321514086]
  マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。 本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
  論文  参考訳（メタデータ） (2023-09-03T08:07:26Z)
• Learning Image Deraining Transformer Network with Dynamic Dual Self-Attention [46.11162082219387]
  本稿では,動的二重自己アテンション(DDSA)を用いた画像デコライニング変換器を提案する。 具体的には、トップk近似計算に基づいて、最も有用な類似度値のみを選択し、スパースアテンションを実現する。 また,高品質な定位結果を得るためのより正確な表現を実現するために,新しい空間拡張フィードフォワードネットワーク(SEFN)を開発した。
  論文  参考訳（メタデータ） (2023-08-15T13:59:47Z)
• RBSR: Efficient and Flexible Recurrent Network for Burst Super-Resolution [57.98314517861539]
  バースト超解像(BurstSR)は、高解像度(HR)画像を低解像度(LR)画像と雑音画像から再構成することを目的としている。 本稿では,効率よくフレキシブルなリカレントネットワークでフレーム単位のキューを融合させることを提案する。
  論文  参考訳（メタデータ） (2023-06-30T12:14:13Z)
• Blur Interpolation Transformer for Real-World Motion from Blur [52.10523711510876]
  本稿では, ボケの時間的相関を解き明かすために, 符号化されたブラー変換器(BiT)を提案する。 マルチスケール残留スウィン変圧器ブロックに基づいて、両端の時間的監督と時間対称なアンサンブル戦略を導入する。 さらに,1対1のぼやけたビデオペアの最初の実世界のデータセットを収集するハイブリッドカメラシステムを設計する。
  論文  参考訳（メタデータ） (2022-11-21T13:10:10Z)
• FCL-GAN: A Lightweight and Real-Time Baseline for Unsupervised Blind Image Deblurring [72.43250555622254]
  本稿では,周波数領域の競合損失制約型軽量サイクルGANと呼ばれる,軽量でリアルタイムな非教師付きBIDベースラインを提案する。 FCL-GANは、画像領域制限がなく、画像解像度制限がなく、SOTAより25倍軽く、SOTAより5倍高速である。 いくつかの画像データセットの実験では、性能、モデルサイズ、参照時間の観点からFCL-GANの有効性が示されている。
  論文  参考訳（メタデータ） (2022-04-16T15:08:03Z)
• Robust Single Image Dehazing Based on Consistent and Contrast-Assisted Reconstruction [95.5735805072852]
  画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。 具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。 我々の手法は最先端のアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2022-03-29T08:11:04Z)
• Contrastive Learning for Compact Single Image Dehazing [41.83007400559068]
  コントラスト学習に基づいて構築された新しいコントラスト正規化(CR)を提案し、ヘイズ画像とクリア画像の情報の両方をネガティブかつポジティブなサンプルとして活用する。 CRは、復元された画像が透明な画像に近づき、表現空間のぼやけた画像から遠くへ押し出されることを保証する。 性能とメモリストレージのトレードオフを考慮すると、オートエンコーダのようなフレームワークに基づくコンパクトなデハージングネットワークを開発する。
  論文  参考訳（メタデータ） (2021-04-19T14:56:21Z)

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。