論文の概要: Iterative Optimal Attention and Local Model for Single Image Rain Streak Removal

• arxiv url: http://arxiv.org/abs/2503.16165v1
• Date: Thu, 20 Mar 2025 14:06:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-21 16:34:57.072970
• Title: Iterative Optimal Attention and Local Model for Single Image Rain Streak Removal
• Title（参考訳）: 単一画像雨天除去のための反復的最適注意と局所モデル
• Authors: Xiangyu Li, Wanshu Fan, Yue Shen, Cong Wang, Wei Wang, Xin Yang, Qiang Zhang, Dongsheng Zhou,
• Abstract要約: 本研究では,単一画像雨量除去のための期待最大化変換器 (EMResformer) を提案する。 EMR変換器は、特徴集約のための重要な自己アテンション値を保持し、より優れた画像再構成を実現するために局所的特徴を増強する。 提案するEMResformerは,合成データセットと実世界のデータセットの両方において,現在最先端の単一画像雨量除去手法を超越している。
• 参考スコア（独自算出の注目度）: 17.153392956724783
• License:
• Abstract: High-fidelity imaging is crucial for the successful safety supervision and intelligent deployment of vision-based measurement systems (VBMS). It ensures high-quality imaging in VBMS, which is fundamental for reliable visual measurement and analysis. However, imaging quality can be significantly impaired by adverse weather conditions, particularly rain, leading to blurred images and reduced contrast. Such impairments increase the risk of inaccurate evaluations and misinterpretations in VBMS. To address these limitations, we propose an Expectation Maximization Reconstruction Transformer (EMResformer) for single image rain streak removal. The EMResformer retains the key self-attention values for feature aggregation, enhancing local features to produce superior image reconstruction. Specifically, we propose an Expectation Maximization Block seamlessly integrated into the single image rain streak removal network, enhancing its ability to eliminate superfluous information and restore a cleaner background image. Additionally, to further enhance local information for improved detail rendition, we introduce a Local Model Residual Block, which integrates two local model blocks along with a sequence of convolutions and activation functions. This integration synergistically facilitates the extraction of more pertinent features for enhanced single image rain streak removal. Extensive experiments validate that our proposed EMResformer surpasses current state-of-the-art single image rain streak removal methods on both synthetic and real-world datasets, achieving an improved balance between model complexity and single image deraining performance. Furthermore, we evaluate the effectiveness of our method in VBMS scenarios, demonstrating that high-quality imaging significantly improves the accuracy and reliability of VBMS tasks.
• Abstract（参考訳）: 高忠実度イメージングは、視覚ベースの計測システム(VBMS)の安全性とインテリジェントな展開の成功に不可欠である。 VBMSでは高画質の画像撮影が保証されており、信頼性の高い視覚計測と分析に欠かせない。 しかし、画像の品質は悪天候、特に雨によって著しく損なわれ、ぼやけた画像とコントラストが減少する。 このような障害は、VBMSにおける不正確な評価と誤解釈のリスクを増大させる。 これらの制約に対処するために,単一画像雨量除去のための期待最大化変換器 (EMResformer) を提案する。 EMR変換器は、特徴集約のための重要な自己アテンション値を保持し、より優れた画像再構成を実現するために局所的特徴を増強する。 具体的には、単一画像雨天除去ネットワークにシームレスに統合された期待最大化ブロックを提案し、過剰な情報を排除し、よりクリーンな背景画像の復元を可能にする。 さらに、より詳細な記述を改善するために、局所情報をさらに強化するため、2つの局所モデルブロックと一連の畳み込みとアクティベーション関数を統合するローカルモデル残差ブロックを導入する。 この統合により、より適切な特徴を抽出し、より強化された単一画像雨天の除去が容易となる。 大規模な実験により,提案したEMRは,合成データと実世界のデータの両方において,現在最先端の単一画像雨量除去手法を超越し,モデル複雑性と単一画像のデライン化性能のバランス性の向上を実現した。 さらに,本手法の有効性をVBMSのシナリオで評価し,高画質画像がVBMSタスクの精度と信頼性を著しく向上することを示した。

関連論文リスト

• Timestep-Aware Diffusion Model for Extreme Image Rescaling [47.89362819768323]
  本稿では,時間認識拡散モデル(TADM)と呼ばれる,画像再スケーリングのための新しいフレームワークを提案する。 TADMは、事前訓練されたオートエンコーダの潜在空間で再スケーリング操作を行う。 これは、事前訓練されたテキスト・ツー・イメージ拡散モデルによって学習された強力な自然画像の先行を効果的に活用する。
  論文  参考訳（メタデータ） (2024-08-17T09:51:42Z)
• Efficient Visual State Space Model for Image Deblurring [83.57239834238035]
  畳み込みニューラルネットワーク(CNN)とビジョントランスフォーマー(ViT)は、画像復元において優れた性能を発揮している。 本稿では,画像のデブロアに対する簡易かつ効果的な視覚状態空間モデル(EVSSM)を提案する。
  論文  参考訳（メタデータ） (2024-05-23T09:13:36Z)
• Joint Conditional Diffusion Model for Image Restoration with Mixed Degradations [29.14467633167042]
  悪天候下における画像復元のための新しい手法を提案する。 大気散乱モデルに基づく混合劣化モデルを用いて, 復元過程全体を導出する。 マルチウェザーおよび気象特化データセットの実験は、最先端の競合手法よりも、我々の手法が優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-11T14:07:16Z)
• Exploiting Regional Information Transformer for Single Image Deraining [40.96287901893822]
  Region Transformer Block (RTB) は Region Masked Attention (RMA) 機構と Mixed Gate Forward Block (MGFB) を統合している 我々のモデルは最先端の性能に到達し、画像劣化の品質を著しく向上させる。
  論文  参考訳（メタデータ） (2024-02-25T09:09:30Z)
• MvKSR: Multi-view Knowledge-guided Scene Recovery for Hazy and Rainy Degradation [8.955174143860681]
  高品質のイメージングは、交通や産業などの分野における安全の監督とインテリジェントな展開を保証するために不可欠である。 大気の湿潤度や降水などの悪天候は、画質に大きな影響を及ぼす可能性がある。 本稿では, 降雨条件下での劣化画像を復元する, 知識誘導型シーンリカバリネットワーク(MvKSR)を提案する。
  論文  参考訳（メタデータ） (2024-01-08T10:41:45Z)
• Multi-task Image Restoration Guided By Robust DINO Features [88.74005987908443]
  DINOv2から抽出したロバストな特徴を利用したマルチタスク画像復元手法であるmboxtextbfDINO-IRを提案する。 まず,DINOV2の浅い特徴を動的に融合するPSF (Pixel-semantic fusion) モジュールを提案する。 これらのモジュールを統一された深層モデルに定式化することにより、モデルトレーニングを制約するために、DINO知覚の対照的な損失を提案する。
  論文  参考訳（メタデータ） (2023-12-04T06:59:55Z)
• A Unified Conditional Framework for Diffusion-based Image Restoration [39.418415473235235]
  画像復元のための拡散モデルに基づく統一条件付きフレームワークを提案する。 我々は、軽量なUNetを利用して初期ガイダンスと拡散モデルを予測し、指導の残余を学習する。 そこで本研究では,高解像度画像を扱うために,単純なステップ間パッチ分割方式を提案する。
  論文  参考訳（メタデータ） (2023-05-31T17:22:24Z)
• Robust Single Image Dehazing Based on Consistent and Contrast-Assisted Reconstruction [95.5735805072852]
  画像復調モデルのロバスト性を改善するための新しい密度変分学習フレームワークを提案する。 具体的には、デハジングネットワークは、一貫性の規則化されたフレームワークの下で最適化されている。 我々の手法は最先端のアプローチを大きく上回っている。
  論文  参考訳（メタデータ） (2022-03-29T08:11:04Z)
• From Rain Generation to Rain Removal [67.71728610434698]
  雨層を生成物としてパラメータ化した雨画像のためのベイズ生成モデルを構築した。 降雨画像の統計的分布を推定するために,変分推論の枠組みを用いる。 総合的な実験により,提案モデルが複雑な降雨分布を忠実に抽出できることが確認された。
  論文  参考訳（メタデータ） (2020-08-08T18:56:51Z)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)

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。