論文の概要: Proxies for Distortion and Consistency with Applications for Real-World Image Restoration

• arxiv url: http://arxiv.org/abs/2501.12102v1
• Date: Tue, 21 Jan 2025 12:49:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-22 14:26:15.836150
• Title: Proxies for Distortion and Consistency with Applications for Real-World Image Restoration
• Title（参考訳）: ゆがみ・一貫性のプロキシと実世界の画像復元への応用
• Authors: Sean Man, Guy Ohayon, Ron Raphaeli, Michael Elad,
• Abstract要約: 本稿では,実世界の画像復元アルゴリズムの設計と評価を両立するツール群について述べる。 本研究では,実世界の実測値が通った劣化の連鎖を予測する訓練モデルを提案する。 この推定器が、測定値と提案された回復画像との一致の一貫性を近似するためにどのように使用できるかを示す。
• 参考スコア（独自算出の注目度）: 12.118301237297313
• License:
• Abstract: Real-world image restoration deals with the recovery of images suffering from an unknown degradation. This task is typically addressed while being given only degraded images, without their corresponding ground-truth versions. In this hard setting, designing and evaluating restoration algorithms becomes highly challenging. This paper offers a suite of tools that can serve both the design and assessment of real-world image restoration algorithms. Our work starts by proposing a trained model that predicts the chain of degradations a given real-world measured input has gone through. We show how this estimator can be used to approximate the consistency -- the match between the measurements and any proposed recovered image. We also use this estimator as a guiding force for the design of a simple and highly-effective plug-and-play real-world image restoration algorithm, leveraging a pre-trained diffusion-based image prior. Furthermore, this work proposes no-reference proxy measures of MSE and LPIPS, which, without access to the ground-truth images, allow ranking of real-world image restoration algorithms according to their (approximate) MSE and LPIPS. The proposed suite provides a versatile, first of its kind framework for evaluating and comparing blind image restoration algorithms in real-world scenarios.
• Abstract（参考訳）: 実世界の画像復元は、未知の劣化に苦しむ画像の回復を扱う。 このタスクは、通常、対応する地味なバージョンを使わずに、劣化した画像のみを付与しながら対処される。 このハード環境では、復元アルゴリズムの設計と評価が極めて困難になる。 本稿では,実世界の画像復元アルゴリズムの設計と評価を両立するツール群について述べる。 私たちの研究は、与えられた実世界の計測された入力が通った劣化の連鎖を予測する訓練されたモデルの提案から始まります。 この推定器が、測定値と提案された回復画像との一致の一貫性を近似するためにどのように使用できるかを示す。 また, この推定器を, 事前学習した拡散画像を利用した, シンプルかつ高効率なプラグアンドプレイ実世界の画像復元アルゴリズムの設計のための導出力として利用する。 さらに,本研究では,MSEとLPIPSの非参照プロキシ手法を提案する。 提案するスイートは、視覚的画像復元アルゴリズムを現実のシナリオで評価し比較するための、多用途で第一級のフレームワークを提供する。

関連論文リスト

• Analysis of Deep Image Prior and Exploiting Self-Guidance for Image Reconstruction [13.277067849874756]
  DIPがアンダーサンプドイメージング計測からどのように情報を回収するかを検討する。 ネットワーク重みと入力の両方を同時に最適化する自己駆動型再構築プロセスを導入する。 提案手法は,ネットワーク入力画像と再構成画像の両方の堅牢かつ安定した関節推定を可能にする,新しいデノイザ正規化項を組み込んだものである。
  論文  参考訳（メタデータ） (2024-02-06T15:52:23Z)
• Unified-Width Adaptive Dynamic Network for All-In-One Image Restoration [50.81374327480445]
  本稿では, 複雑な画像劣化を基本劣化の観点で表現できる, という新しい概念を提案する。 We propose the Unified-Width Adaptive Dynamic Network (U-WADN) which consist of two pivotal components: a Width Adaptive Backbone (WAB) and a Width Selector (WS)。 提案したU-WADNは、最大32.3%のFLOPを同時に削減し、約15.7%のリアルタイム加速を実現している。
  論文  参考訳（メタデータ） (2024-01-24T04:25:12Z)
• All-in-one Multi-degradation Image Restoration Network via Hierarchical Degradation Representation [47.00239809958627]
  我々は新しいオールインワン・マルチデグレーション画像復元ネットワーク(AMIRNet)を提案する。 AMIRNetは、クラスタリングによって木構造を段階的に構築することで、未知の劣化画像の劣化表現を学習する。 この木構造表現は、様々な歪みの一貫性と不一致を明示的に反映しており、画像復元の具体的な手がかりとなっている。
  論文  参考訳（メタデータ） (2023-08-06T04:51:41Z)
• Exploring Resolution and Degradation Clues as Self-supervised Signal for Low Quality Object Detection [77.3530907443279]
  劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。 本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
  論文  参考訳（メタデータ） (2022-08-05T09:36:13Z)
• RestoreDet: Degradation Equivariant Representation for Object Detection in Low Resolution Images [81.91416537019835]
  劣化した低解像度画像中のオブジェクトを検出するための新しいフレームワークであるRestoreDetを提案する。 CenterNetをベースとした本フレームワークは, 既存手法と比較して, 異種劣化状況に直面する場合に比べ, 優れた性能を達成している。
  論文  参考訳（メタデータ） (2022-01-07T03:40:23Z)
• Generative and Discriminative Learning for Distorted Image Restoration [22.230017059874445]
  Liquifyは、画像の歪みに使用できる画像編集のテクニックである。 本稿では,深層ニューラルネットワークに基づく新しい生成的・識別的学習手法を提案する。
  論文  参考訳（メタデータ） (2020-11-11T14:01:29Z)
• ENSURE: A General Approach for Unsupervised Training of Deep Image Reconstruction Algorithms [29.864637081333086]
  この研究は、深層画像再構成アルゴリズムを訓練するための一般的なアプローチとして、ENsemble Stein's Unbiased Risk Estimate (ENSURE)フレームワークを紹介した。 実測データのみを用いるENSURE損失関数は,真の平均二乗誤差の偏りのない推定値であることを示す。 この損失関数でトレーニングされたネットワークは、教師付き設定に匹敵する再構成を提供できることを示す。
  論文  参考訳（メタデータ） (2020-10-20T21:18:33Z)
• Structured and Localized Image Restoration [141.75042935077465]
  本稿では,局所的構造予測と非線形マルチタスク学習のアイデアを活用した画像復元手法を提案する。 平均二乗およびユークリッド標準誤差に基づいて対応するエネルギーのアルゴリズムを導出する。
  論文  参考訳（メタデータ） (2020-06-16T15:43:12Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)

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。