Fugu-MT 論文翻訳(概要): ADMIRE: a locally adaptive single-image, non-uniformity correction and denoising algorithm: application to uncooled IR camera

論文の概要: ADMIRE: a locally adaptive single-image, non-uniformity correction and denoising algorithm: application to uncooled IR camera

arxiv url: http://arxiv.org/abs/2411.03615v1
Date: Wed, 06 Nov 2024 02:16:34 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-07 19:22:42.923835
Title: ADMIRE: a locally adaptive single-image, non-uniformity correction and denoising algorithm: application to uncooled IR camera
Title（参考訳）: ADMIRE: 局所適応型単像補正・非均一性補正・復調アルゴリズム:非冷却IRカメラへの応用
Authors: Yohann Tendero, Jerome Gilles,
Abstract要約: 非均一性(NU)と非冷却赤外線画像のノイズを補正する新しい手法を提案する。この方法は静的な画像に作用し、登録は不要、カメラの動きは不要、非均一性のためのモデルも不要である。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: We propose a new way to correct for the non-uniformity (NU) and the noise in uncooled infrared-type images. This method works on static images, needs no registration, no camera motion and no model for the non uniformity. The proposed method uses an hybrid scheme including an automatic locally-adaptive contrast adjustment and a state-of-the-art image denoising method. It permits to correct for a fully non-linear NU and the noise efficiently using only one image. We compared it with total variation on real raw and simulated NU infrared images. The strength of this approach lies in its simplicity, low computational cost. It needs no test-pattern or calibration and produces no "ghost-artefact".
Abstract（参考訳）: 非均一性(NU)と非冷却赤外線画像のノイズを補正する新しい手法を提案する。この方法は静的な画像に作用し、登録は不要、カメラの動きは不要、非均一性のためのモデルも不要である。提案手法は,局所適応コントラスト自動調整と最先端画像復調法を含むハイブリッド方式を用いる。完全に非線形なNUとノイズを1つの画像だけで効率よく修正することができる。実画像とシミュレーションしたNU赤外画像の総変動と比較した。このアプローチの強みは、単純で計算コストの低いことにある。テストパターンやキャリブレーションを必要とせず、"ゴーストアーテファクト"を生成する。

関連論文リスト

Efficient single image non-uniformity correction algorithm [5.275492148692669]
本稿では,非冷却赤外線画像の非均一性(NU)を補正する新しい手法を提案する。この方法はリアルタイムであり、1ピクセルあたり2つの操作しか必要としない。
論文参考訳（メタデータ） (2024-11-07T06:04:57Z)
Self-Calibrated Variance-Stabilizing Transformations for Real-World Image Denoising [19.08732222562782]
教師付き深層学習が画像認知のための選択方法となっている。一般の信条とは対照的に,ガウスノイズ除去に特化するネットワークを有効活用し,実世界の画像復調に有効であることを示す。
論文参考訳（メタデータ） (2024-07-24T16:23:46Z)
Gradpaint: Gradient-Guided Inpainting with Diffusion Models [71.47496445507862]
Denoising Diffusion Probabilistic Models (DDPM) は近年,条件付きおよび非条件付き画像生成において顕著な成果を上げている。我々はGradPaintを紹介し、グローバルな一貫性のあるイメージに向けて世代を操る。我々は、様々なデータセットで訓練された拡散モデルによく適応し、現在最先端の教師付きおよび教師なしの手法を改善している。
論文参考訳（メタデータ） (2023-09-18T09:36:24Z)
Self-Reference Deep Adaptive Curve Estimation for Low-Light Image Enhancement [7.253235412867934]
自己参照深部適応曲線推定(Self-DACE)と呼ばれる2段階低照度画像強調手法を提案する。最初の段階では、直感的で、軽量で、高速で、教師なしの輝度向上アルゴリズムを提示する。また,自然画像の色,構造,忠実度を保存するために,物理モデルを単純化した新たな損失関数を提案する。
論文参考訳（メタデータ） (2023-08-16T07:57:35Z)
Make Explicit Calibration Implicit: Calibrate Denoiser Instead of the Noise Model [83.9497193551511]
デジタルゲインやカメラセンサーによらず有効であるLED(Lighting Every Darkness)を導入する。 LEDは明示的なノイズモデルのキャリブレーションの必要性を排除し、高速な展開と最小限のデータを必要とする暗黙の微調整プロセスを活用する。 LEDは、センサー工学の利点を生かしながら、ディープラーニングの進歩にもっと注力することを可能にする。
論文参考訳（メタデータ） (2023-08-07T10:09:11Z)
A Novel Truncated Norm Regularization Method for Multi-channel Color Image Denoising [5.624787484101139]
本論文は,DtNFM法(DtNFM法)を用いて,二重重み付き核ノルム最小化法(double-weighted truncated nuclear norm minus truncated Frobenius norm minimization, DtNFM法)を用いてカラー画像のノイズ化を行う。雑音像の非局所的な自己相似性を利用して、類似した構造を収集し、類似したパッチ行列を連続的に構築する。合成および実雑音データセットの実験により、提案手法は、多くの最先端カラー画像復調法より優れていることを示した。
論文参考訳（メタデータ） (2023-07-16T03:40:35Z)
Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文参考訳（メタデータ） (2023-05-17T13:56:48Z)
Multi-channel Nuclear Norm Minus Frobenius Norm Minimization for Color Image Denoising [9.20787253404652]
従来の戦略の1つは、RGBイメージを相関の少ない色空間に変換し、新しい空間の各チャネルを別々に識別することである。本稿では,核ノルムの最小化フレームワークであるフロベニウス・ノルム最小化フレームワークを用いて,カラー画像のマルチチャネル最適化モデルを提案する。合成および実ノイズデータセットによる実験結果は,提案モデルが最先端モデルより優れていることを示す。
論文参考訳（メタデータ） (2022-09-16T04:10:29Z)
Neighbor2Neighbor: Self-Supervised Denoising from Single Noisy Images [98.82804259905478]
Neighbor2Neighborを提示し、ノイズの多い画像のみで効果的な画像消音モデルをトレーニングします。ネットワークのトレーニングに使用される入力とターゲットは、同じノイズ画像からサブサンプリングされた画像である。デノイジングネットワークは、第1段階で生成されたサブサンプルトレーニングペアで訓練され、提案された正規化器は、より良いパフォーマンスのための追加の損失として訓練される。
論文参考訳（メタデータ） (2021-01-08T02:03:25Z)
Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
論文参考訳（メタデータ） (2020-07-04T08:23:07Z)
Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文参考訳（メタデータ） (2019-08-29T15:54:06Z)

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。