論文の概要: Single-image reflection removal via self-supervised diffusion models

• arxiv url: http://arxiv.org/abs/2412.20466v1
• Date: Sun, 29 Dec 2024 13:41:33 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-31 22:07:02.621556
• Title: Single-image reflection removal via self-supervised diffusion models
• Title（参考訳）: 自己教師付き拡散モデルによる単像反射除去
• Authors: Zhengyang Lu, Weifan Wang, Tianhao Guo, Feng Wang,
• Abstract要約: 本稿では,周期整合性と拡散確率モデル(DDPM)を組み合わせたハイブリッド手法を提案する。 実験により,SIR$2のFlashベース反射除去(FRR)データセットと,新たに導入されたMRRデータセットに対する提案手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 2.3838561104233342
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Reflections often degrade the visual quality of images captured through transparent surfaces, and reflection removal methods suffers from the shortage of paired real-world samples.This paper proposes a hybrid approach that combines cycle-consistency with denoising diffusion probabilistic models (DDPM) to effectively remove reflections from single images without requiring paired training data. The method introduces a Reflective Removal Network (RRN) that leverages DDPMs to model the decomposition process and recover the transmission image, and a Reflective Synthesis Network (RSN) that re-synthesizes the input image using the separated components through a nonlinear attention-based mechanism. Experimental results demonstrate the effectiveness of the proposed method on the SIR$^2$, Flash-Based Reflection Removal (FRR) Dataset, and a newly introduced Museum Reflection Removal (MRR) dataset, showing superior performance compared to state-of-the-art methods.
• Abstract（参考訳）: 反射は、透明な表面から捉えた画像の視覚的品質を劣化させることが多く、反射除去法は、実世界のサンプルのペア不足に悩まされる。この記事では、サイクル一貫性と拡散確率モデル(DDPM)を組み合わせたハイブリッドアプローチを提案し、ペアのトレーニングデータを必要としない単一画像からの反射を効果的に除去する。 本手法では、DDPMを用いて分解過程をモデル化し、伝送画像を復元する反射除去ネットワーク(RRN)と、非線形注意機構により分離された成分を用いて入力画像を再合成する反射合成ネットワーク(RSN)を導入する。 実験により,SIR$^2$,Flashベース反射除去(FRR)データセット,新たに導入されたミュージアム反射除去(MRR)データセットに対して提案手法の有効性が示された。

関連論文リスト

• Dereflection Any Image with Diffusion Priors and Diversified Data [86.15504914121226]
  本稿では、効率的なデータ準備パイプラインと、頑健な反射除去のための一般化可能なモデルを備えた包括的解を提案する。 まず、ターゲットシーンでランダムに回転する反射媒体によって生成された横反射除去(DRR)というデータセットを紹介する。 第2に、決定論的出力と高速推論のための1ステップ拡散を伴う拡散に基づくフレームワークを提案する。
  論文  参考訳（メタデータ） (2025-03-21T17:48:14Z)
• A Lightweight Deep Exclusion Unfolding Network for Single Image Reflection Removal [68.0573194557999]
  シングルイメージリフレクション除去(SIRR)は、標準的なブラインドソース分離問題である。 本稿ではSIRRのための新しいDeep Exclusion Unfolding Network(DExNet)を提案する。 DExNetは、単純な反復スパースと補助的特徴更新(i-SAFU)アルゴリズムの展開とパラメータ化によって構築される。
  論文  参考訳（メタデータ） (2025-03-03T07:54:27Z)
• Utilizing Multi-step Loss for Single Image Reflection Removal [0.9208007322096532]
  歪んだイメージは、オブジェクト検出やイメージセグメンテーションといったタスクに悪影響を及ぼす可能性がある。 単一画像を用いた画像反射除去のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2024-12-11T17:57:25Z)
• Diffusion Reflectance Map: Single-Image Stochastic Inverse Rendering of Illumination and Reflectance [19.20790327389337]
  反射は、物体の外観における照明の周波数スペクトルを束縛する。 本稿では,照明の減衰周波数スペクトルを既知の幾何の物体の反射率とともに復元する第1逆レンダリング法を提案する。
  論文  参考訳（メタデータ） (2023-12-07T18:50:00Z)
• ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
  この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。 提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。 提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
  論文  参考訳（メタデータ） (2023-07-15T04:48:35Z)
• Towards performant and reliable undersampled MR reconstruction via diffusion model sampling [67.73698021297022]
  DiffuseReconは拡散モデルに基づく新しいMR再構成法である。 観測された信号に基づいて生成過程を導出する。 特定の加速因子に関する追加の訓練は必要としない。
  論文  参考訳（メタデータ） (2022-03-08T02:25:38Z)
• ReflectNet -- A Generative Adversarial Method for Single Image Reflection Suppression [0.6980076213134382]
  本稿では,文脈理解モジュールと敵対的学習に基づく単一の画像反射除去手法を提案する。 提案手法は,PSNR と SSIM の観点から,SIR のベンチマークデータセット上で,最先端の手法よりも優れる。
  論文  参考訳（メタデータ） (2021-05-11T17:33:40Z)
• Iterative Gradient Encoding Network with Feature Co-Occurrence Loss for Single Image Reflection Removal [6.370905925442655]
  単一画像反射除去のための反復グラデーション符号化ネットワークを提案する。 提案手法は,既存の画像設定に対する反射を良好に除去することができる。
  論文  参考訳（メタデータ） (2021-03-29T19:29:29Z)
• Location-aware Single Image Reflection Removal [54.93808224890273]
  本稿では,位置認識型深層学習に基づく単一画像反射除去手法を提案する。 我々は,リフレクション信頼度マップをネットワークの手がかりとして活用し,リフレクション情報を適応的にエンコードする方法を学習する。 位置情報のネットワークへの統合は、反射除去結果の品質を大幅に向上させる。
  論文  参考訳（メタデータ） (2020-12-13T19:34:35Z)
• Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
  シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。 RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。 5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
  論文  参考訳（メタデータ） (2020-12-02T03:14:57Z)
• Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
  野生の偏光画像からの反射を除去するための新しい定式化法を提案する。 まず、既存のリフレクション除去データセットの不整合問題を同定する。 我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
  論文  参考訳（メタデータ） (2020-03-28T13:29:31Z)

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。