論文の概要: C2PD: Continuity-Constrained Pixelwise Deformation for Guided Depth Super-Resolution

• arxiv url: http://arxiv.org/abs/2501.07688v1
• Date: Mon, 13 Jan 2025 21:04:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-15 13:29:24.898830
• Title: C2PD: Continuity-Constrained Pixelwise Deformation for Guided Depth Super-Resolution
• Title（参考訳）: C2PD: 誘導深度超解法のための連続制約画素方向の変形
• Authors: Jiahui Kang, Qing Cai, Runqing Tan, Yimei Liu, Zhi Liu,
• Abstract要約: 本研究では,空間特性の空間的利用を最大化し,実世界の物質を抽象的に認識する手法を提案する。 我々はガイド深度超解像問題を,連続物体のような力で変形できる理想的な塑性を有する粗流の変形に変換する。 特に本手法は,GDSRの4つの広く採用されているベンチマークにおいて,大規模タスクと一般化可能性に大きな利点があることを示す。
• 参考スコア（独自算出の注目度）: 8.243107985693777
• License:
• Abstract: Guided depth super-resolution (GDSR) has demonstrated impressive performance across a wide range of domains, with numerous methods being proposed. However, existing methods often treat depth maps as images, where shading values are computed discretely, making them struggle to effectively restore the continuity inherent in the depth map. In this paper, we propose a novel approach that maximizes the utilization of spatial characteristics in depth, coupled with human abstract perception of real-world substance, by transforming the GDSR issue into deformation of a roughcast with ideal plasticity, which can be deformed by force like a continuous object. Specifically, we firstly designed a cross-modal operation, Continuity-constrained Asymmetrical Pixelwise Operation (CAPO), which can mimic the process of deforming an isovolumetrically flexible object through external forces. Utilizing CAPO as the fundamental component, we develop the Pixelwise Cross Gradient Deformation (PCGD), which is capable of emulating operations on ideal plastic objects (without volume constraint). Notably, our approach demonstrates state-of-the-art performance across four widely adopted benchmarks for GDSR, with significant advantages in large-scale tasks and generalizability.
• Abstract（参考訳）: 誘導深度超解像(GDSR)は、幅広い領域で優れた性能を示し、多くの手法が提案されている。 しかし、既存の手法では、シェーディング値が個別に計算される深度マップを画像として扱うことが多く、深度マップに固有の連続性を効果的に復元するのに苦労する。 本稿では,GDSR問題を,連続物体のような力で変形可能な理想的な塑性を有する粗流の変形に変換することで,空間特性の空間的利用を最大化する手法を提案する。 具体的には,外力による等方的フレキシブル物体の変形の過程を模した,連続制約非対称画素演算(CAPO)のクロスモーダル操作を設計した。 本稿では,CAPOを基本成分として,理想的なプラスチックオブジェクトの操作をエミュレートする(容積制約を伴わない)Pixelwise Cross Gradient deformation (PCGD) を開発した。 特に本手法は,GDSRの4つの広く採用されているベンチマークにおいて,大規模タスクと一般化可能性に大きな利点があることを示す。

関連論文リスト

• $\text{S}^{3}$Mamba: Arbitrary-Scale Super-Resolution via Scaleable State Space Model [45.65903826290642]
  ASSRは、1つのモデルを用いて、任意のスケールで低解像度画像を高解像度画像に超解き放つことを目的としている。 拡張性のある連続表現空間を構築するために,$textS3$Mambaと呼ばれる新しい任意のスケール超解法を提案する。
  論文  参考訳（メタデータ） (2024-11-16T11:13:02Z)
• Decoupling Fine Detail and Global Geometry for Compressed Depth Map Super-Resolution [55.9977636042469]
  ビット深度圧縮は、微妙な変化のある領域で均一な深度表現を生成し、詳細情報の回復を妨げる。 密集したランダムノイズは、シーンのグローバルな幾何学的構造を推定する精度を低下させる。 圧縮深度マップ超解像のための新しいフレームワークGDNetを提案する。
  論文  参考訳（メタデータ） (2024-11-05T16:37:30Z)
• Spatially-Attentive Patch-Hierarchical Network with Adaptive Sampling for Motion Deblurring [34.751361664891235]
  そこで本稿では,異なる空間領域にまたがる大きなぼやけた変化を扱うために,画素適応化と特徴注意設計を提案する。 提案手法は,最先端のデブロワーリングアルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2024-02-09T01:00:09Z)
• Pixel-Inconsistency Modeling for Image Manipulation Localization [59.968362815126326]
  デジタル画像法医学は、画像認証と操作のローカライゼーションにおいて重要な役割を果たす。 本稿では,画素不整合アーチファクトの解析を通じて,一般化されたロバストな操作ローカライゼーションモデルを提案する。 実験により,本手法は固有の画素不整合偽指紋を抽出することに成功した。
  論文  参考訳（メタデータ） (2023-09-30T02:54:51Z)
• Hierarchical Integration Diffusion Model for Realistic Image Deblurring [71.76410266003917]
  拡散モデル (DM) は画像劣化に導入され, 有望な性能を示した。 本稿では,階層型統合拡散モデル(HI-Diff)を提案する。 人工的および実世界のぼかしデータセットの実験は、HI-Diffが最先端の手法より優れていることを示した。
  論文  参考訳（メタデータ） (2023-05-22T12:18:20Z)
• Learning Continuous Depth Representation via Geometric Spatial Aggregator [47.1698365486215]
  深度マップ超解法(DSR)のための新しい連続深度表現法を提案する。 この表現の中心は我々の提案した幾何空間アグリゲータ(GSA)であり、これは任意にアップサンプリングされたターゲットグリッドにより変調された距離場を利用する。 また、局所座標間の関数マッピングを構築するための原理的な方法を持つGeoDSRというトランスフォーマースタイルのバックボーンも提示する。
  論文  参考訳（メタデータ） (2022-12-07T07:48:23Z)
• On Robust Cross-View Consistency in Self-Supervised Monocular Depth Estimation [56.97699793236174]
  本論文では,2種類の堅牢なクロスビュー整合性について検討する。 深度特徴空間と3次元ボクセル空間の時間的コヒーレンスを自己教師付き単眼深度推定に利用した。 いくつかのアウトドアベンチマークの実験結果から,本手法は最先端技術より優れていることが示された。
  論文  参考訳（メタデータ） (2022-09-19T03:46:13Z)
• Image Deformation Estimation via Multi-Objective Optimization [13.159751065619544]
  自由形変形モデルは、画像上の制御点格子を操作することにより、幅広い非剛体変形を表現することができる。 フィットネスランドスケープの複雑さのため,変形画像にモデルを直接適合させることは困難である。
  論文  参考訳（メタデータ） (2021-06-08T06:52:12Z)
• Discrete Cosine Transform Network for Guided Depth Map Super-Resolution [19.86463937632802]
  目標は、高解像度(HR)RGB画像を使用してエッジとオブジェクトの輪郭に関する余分な情報を提供し、低解像度の深度マップをHR画像にアップサンプリングできるようにすることです。 本稿では,4つのコンポーネントから構成されるDCTNet(Digital Discrete Cosine Transform Network)を提案する。 本手法は,最新手法を越しに,正確かつ人事深度マップを生成できることを示した。
  論文  参考訳（メタデータ） (2021-04-14T17:01:03Z)
• High-resolution Depth Maps Imaging via Attention-based Hierarchical Multi-modal Fusion [84.24973877109181]
  誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。 本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-04-04T03:28:33Z)

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。