論文の概要: NeuroPump: Simultaneous Geometric and Color Rectification for Underwater Images
- arxiv url: http://arxiv.org/abs/2412.15890v2
- Date: Sat, 11 Jan 2025 08:09:56 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-14 14:24:52.846257
- Title: NeuroPump: Simultaneous Geometric and Color Rectification for Underwater Images
- Title（参考訳）: NeuroPump:水中画像のための同時幾何学と色再現
- Authors: Yue Guo, Haoxiang Liao, Haibin Ling, Bingyao Huang,
- Abstract要約: 水中画像の復元は、水の屈折、吸収、散乱による幾何学的および色の歪みを取り除くことを目的としている。
本研究では,水中の形状と色を水が汲み出されているかのように同時に最適化し,修正する自己教師型方法であるNeuroPumpを提案する。
- 参考スコア（独自算出の注目度）: 52.863935209616635
- License:
- Abstract: Underwater image restoration aims to remove geometric and color distortions due to water refraction, absorption and scattering. Previous studies focus on restoring either color or the geometry, but to our best knowledge, not both. However, in practice it may be cumbersome to address the two rectifications one-by-one. In this paper, we propose NeuroPump, a self-supervised method to simultaneously optimize and rectify underwater geometry and color as if water were pumped out. The key idea is to explicitly model refraction, absorption and scattering in Neural Radiance Field (NeRF) pipeline, such that it not only performs simultaneous geometric and color rectification, but also enables to synthesize novel views and optical effects by controlling the decoupled parameters. In addition, to address issue of lack of real paired ground truth images, we propose an underwater 360 benchmark dataset that has real paired (i.e., with and without water) images. Our method clearly outperforms other baselines both quantitatively and qualitatively. Our project page is available at: https://ygswu.github.io/NeuroPump.github.io/.
- Abstract（参考訳）: 水中画像の復元は、水の屈折、吸収、散乱による幾何学的および色の歪みを取り除くことを目的としている。
これまでの研究では、色や幾何学の復元に焦点が当てられていました。
しかし、実際には2つの修正に1対1で対処するのは煩雑である。
本稿では,水中の形状と色を水が汲み出されているかのように同時に最適化し,修正する自己教師型方法であるNeuroPumpを提案する。
鍵となる考え方は、ニューラル・レージアンス・フィールド(Neural Radiance Field、NeRF)パイプラインの屈折、吸収、散乱を明示的にモデル化することであり、同時に幾何学的および色補正を行うだけでなく、分離されたパラメータを制御して新しいビューと光学効果を合成することを可能にする。
さらに,実対の地中真理画像の欠如に対処するため,実対の真理画像(すなわち水と無水画像)を持つ水中360度ベンチマークデータセットを提案する。
本手法は, 定量的にも定性的にも, 他のベースラインよりも明らかに優れている。
私たちのプロジェクトページは、https://ygswu.github.io/NeuroPump.github.io/で公開されています。
関連論文リスト
- Physics Informed and Data Driven Simulation of Underwater Images via
Residual Learning [5.095097384893417]
一般的に水中の画像は、光が水中を伝播するにつれて減衰し後方散乱するため、色歪みと低コントラストに悩まされる。
既存の単純な劣化モデル(大気画像の「ヘイジング」効果に似ている)は水中画像の劣化を適切に表現するには不十分である。
水中効果を自動的にシミュレートする深層学習型アーキテクチャを提案する。
論文 参考訳（メタデータ） (2024-02-07T21:53:28Z) - Beyond NeRF Underwater: Learning Neural Reflectance Fields for True
Color Correction of Marine Imagery [16.16700041031569]
水中画像は、光-水相互作用の結果、しばしば歪んだ着色を示す。
本研究では,水中画像における真色(アルベド)の復元アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-06T21:29:34Z) - Seeing Through the Glass: Neural 3D Reconstruction of Object Inside a
Transparent Container [61.50401406132946]
透明な囲いは、異なる伝搬媒質間の界面に複数の光反射と屈折の挑戦を引き起こす。
我々は、内部部分空間の幾何学と外観を暗黙的に表現する既存のニューラル再構成法(NeuS)を用いる。
複雑な光相互作用を説明するため,ボリュームレンダリングとレイトレーシングを組み合わせたハイブリッドレンダリング戦略を開発した。
論文 参考訳（メタデータ） (2023-03-24T04:58:27Z) - GECCO: Geometrically-Conditioned Point Diffusion Models [60.28388617034254]
テキスト上で条件付き画像を生成する拡散モデルが最近,コンピュータビジョンコミュニティをはるかに超えている。
ここでは、無条件および条件付きの両方の点雲を画像で生成するという、関連する問題に取り組む。
後者では,スパーク画像の特徴を点雲に投影することに基づく,幾何学的動機付けによる新しい条件付け手法を提案する。
論文 参考訳（メタデータ） (2023-03-10T13:45:44Z) - Seafloor-Invariant Caustics Removal from Underwater Imagery [0.0]
コースティックス(英: Caustics)は、波面によって屈折される光線の投射によって生じる複雑な物理現象である。
本研究では,浅海底画像に対する因果関係の影響を補正する新しい手法を提案する。
特に,画像画素を"非因果的"と"因果的"に分類するために,ディープラーニングアーキテクチャを用いた。
論文 参考訳（メタデータ） (2022-12-20T11:11:02Z) - HybrUR: A Hybrid Physical-Neural Solution for Unsupervised Underwater
Image Restoration [18.690940762032568]
そこで本稿では,無人水中画像から水中視力回復を学習する,データ駆動型・物理駆動型非教師アーキテクチャを提案する。
Jaffe-McGlamery分解理論を用いて生成モデルを設計し、ニューラルネットワークを用いて水中劣化の過程を記述する。
提案手法は,非拘束水中画像の高品質な復元を,監督なしに行うことができることを示す。
論文 参考訳（メタデータ） (2021-07-06T15:00:30Z) - Underwater Image Restoration via Contrastive Learning and a Real-world
Dataset [59.35766392100753]
本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。
提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
論文 参考訳（メタデータ） (2021-06-20T16:06:26Z) - Non-Homogeneous Haze Removal via Artificial Scene Prior and
Bidimensional Graph Reasoning [52.07698484363237]
本研究では,人工シーンの前置と2次元グラフ推論による不均質なヘイズ除去ネットワーク(nhrn)を提案する。
本手法は,単一画像デハジングタスクとハイザイ画像理解タスクの両方において,最先端アルゴリズムよりも優れた性能を実現する。
論文 参考訳（メタデータ） (2021-04-05T13:04:44Z) - Learning to Restore a Single Face Image Degraded by Atmospheric
Turbulence using CNNs [93.72048616001064]
このような条件下で撮影された画像は、幾何学的変形と空間のぼかしの組合せに悩まされる。
乱流劣化顔画像の復元問題に対する深層学習に基づく解法を提案する。
論文 参考訳（メタデータ） (2020-07-16T15:25:08Z) - Underwater image enhancement with Image Colorfulness Measure [7.292965806774365]
トレーニング可能なエンドツーエンドニューラルモデルである新しいエンハンスメントモデルを提案する。
より詳細に、コントラストとカラフルネスのために、この拡張ネットワークはピクセルレベルと特性レベルのトレーニング基準によって共同で最適化されている。
論文 参考訳（メタデータ） (2020-04-18T12:44:57Z)
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。