Fugu-MT 論文翻訳(概要): The Tenth NTIRE 2025 Image Denoising Challenge Report

論文の概要: The Tenth NTIRE 2025 Image Denoising Challenge Report

arxiv url: http://arxiv.org/abs/2504.12276v1
Date: Wed, 16 Apr 2025 17:35:09 GMT
ステータス: 翻訳完了
システム内更新日: 2025-04-24 16:33:05.801427
Title: The Tenth NTIRE 2025 Image Denoising Challenge Report
Title（参考訳）: 第10回 NTIRE 2025 Image Denoising Challenge Report
Abstract要約: 主な目的は、高品質な denoising 性能を達成することのできるネットワークアーキテクチャを開発することである。このタスクは、独立した付加的な白色ガウスノイズ(AWGN)を50の定音レベルで仮定する。参加者は合計290名で、20チームが有効な結果の提出に成功している。
参考スコア（独自算出の注目度）: 145.50639422469158
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper presents an overview of the NTIRE 2025 Image Denoising Challenge ({\sigma} = 50), highlighting the proposed methodologies and corresponding results. The primary objective is to develop a network architecture capable of achieving high-quality denoising performance, quantitatively evaluated using PSNR, without constraints on computational complexity or model size. The task assumes independent additive white Gaussian noise (AWGN) with a fixed noise level of 50. A total of 290 participants registered for the challenge, with 20 teams successfully submitting valid results, providing insights into the current state-of-the-art in image denoising.
Abstract（参考訳）: 本稿では, NTIRE 2025 Image Denoising Challenge ({\sigma} = 50)の概要を述べる。主な目的は,PSNRを用いて定量的に評価し,計算複雑性やモデルサイズに制約を加えることなく,高品質な復調性能を実現するネットワークアーキテクチャを開発することである。このタスクは、独立した付加的な白色ガウスノイズ(AWGN)を50の定音レベルで仮定する。チャレンジに登録された参加者は合計290名で、20チームが有効な結果の提出に成功し、現在の画像装飾の現状に関する洞察を提供した。

関連論文リスト

The Third Challenge on Image Denoising at NTIRE 2026: Methods and Results [97.26363106465523]
NTIRE 2026 Challenge on Image Denoisingは、破損した画像から高忠実度の詳細を復元するために設計された高度なニューラルネットワークを調査している。制約付きベンチマークとは異なり、このトラックはピーク信号対雑音比(PSNR)によって測定されるピーク定量的性能を強調している。このレポートは最新の技術革新をベンチマークし、制約のない画像復元における現在の最先端の包括的なスナップショットを提供する。
論文参考訳（メタデータ） (2026-06-14T21:46:03Z)
Low Light Image Enhancement Challenge at NTIRE 2026 [178.3397880608152]
この課題の目的は、より鮮明で視覚的に魅力的な画像を生成することができる効果的なネットワークを特定することである。第1トラックに195人、第2トラックに153人が登録され、22チームが最終的に有効なエントリーを提出した。本論文は、低照度画像強調における最先端の進歩を徹底的に評価し、この分野における顕著な進歩を示す。
論文参考訳（メタデータ） (2026-04-19T23:44:34Z)
AIM 2025 Challenge on Real-World RAW Image Denoising [58.132121871352474]
AIM 2025 Real-World RAW Image Denoising Challengeは、データ合成を基礎とした効率的で効果的な denoising 技術を推進することを目的としている。このコンペティションは、5つの異なるDSLRカメラを使って野生で撮影された低照度ノイズ画像に挑戦する、新たに確立された評価ベンチマークの上に構築されている。合成データに基づいて訓練されたカメラ非依存の低照度RAW画像の境界を推し進めることで、コンペティションは堅牢で実用的なモデルの開発を促進する。
論文参考訳（メタデータ） (2025-10-08T03:22:42Z)
VQualA 2025 Challenge on Face Image Quality Assessment: Methods and Results [96.54702713309052]
VQuala 2025 顔画像品質評価(FIQA)への挑戦本報告では,FIQAの実用化に向けた方法論と成果を概説する。
論文参考訳（メタデータ） (2025-08-25T19:48:52Z)
NTIRE 2025 Challenge on Image Super-Resolution ($\times$4): Methods and Results [159.15538432295656]
NTIRE 2025イメージ超解像(4ドル)チャレンジは、CVPR 2025の第10回NETREワークショップのコンペティションのひとつ。この課題は、低分解能(LR)画像から高分解能(HR)画像を復元することを目的としている。 286人の参加者が参加し、25チームが有効なエントリーを提出した。
論文参考訳（メタデータ） (2025-04-20T12:08:22Z)
NTIRE 2025 Challenge on Event-Based Image Deblurring: Methods and Results [162.7095344078484]
NTIRE 2025 : First Challenge on Event-based Image Deblurringについて概説する。この課題の第一の目的は、高品質な画像の劣化を実現するイベントベースの手法を設計することである。我々は、この課題がイベントベースの視覚研究のさらなる進歩を後押しすることを期待している。
論文参考訳（メタデータ） (2025-04-16T18:06:16Z)
Two-stage Deep Denoising with Self-guided Noise Attention for Multimodal Medical Images [8.643724626327852]
本研究は,AI駆動の2段階学習戦略により,現代の認知的手法の限界に対処する。提案手法はノイズ画像から残音を推定する。ノイズアテンション機構を組み込んで、推定残音と雑音入力を相関させ、コース・トゥ・リファインディングでノイズアテンションを行う。
論文参考訳（メタデータ） (2025-03-10T01:26:47Z)
NTIRE 2024 Challenge on Image Super-Resolution ($\ imes$4): Methods and Results [126.78130602974319]
画像の超高解像度化に関するNTIRE 2024の課題(4ドル)をレビューする。この課題は、低解像度(LR)入力から4倍の倍率で対応する高解像度(HR)画像を生成することである。この挑戦の目的は、最も先進的なSR性能を持つ設計/解決を得ることである。
論文参考訳（メタデータ） (2024-04-15T13:45:48Z)
SAR2EO: A High-resolution Image Translation Framework with Denoising Enhancement [10.11898520476921]
本稿では,低解像度画像から高解像度画像への変換を実現するためのフレームワークであるSAR2EOを提案する。まず、高品質なEO画像を生成するために、粗大な発電機、マルチスケールの判別器、およびピクセル2pixHDモデルにおける対向損失を改善する。次に,SAR画像のノイズを除去するデノナイジングモジュールを導入し,画像の構造情報を保存しながらノイズを抑制する。
論文参考訳（メタデータ） (2023-04-08T03:39:51Z)
Enhancing convolutional neural network generalizability via low-rank weight approximation [6.763245393373041]
十分なノイズ処理は、画像処理にとって重要な第一歩であることが多い。ディープニューラルネットワーク(DNN)は画像のノイズ化に広く利用されている。本研究では,タッカー低ランクテンソル近似に基づく自己教師付き画像復調フレームワークを提案する。
論文参考訳（メタデータ） (2022-09-26T14:11:05Z)
NTIRE 2022 Challenge on High Dynamic Range Imaging: Methods and Results [173.32437855731752]
この課題はCVPR 2022と共同でNTIRE(New Trends in Image Restoration and Enhancement)ワークショップの一環として行われた。この課題は、複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
論文参考訳（メタデータ） (2022-05-25T10:20:06Z)
IDR: Self-Supervised Image Denoising via Iterative Data Refinement [66.5510583957863]
本稿では,最先端のデノナイジング性能を実現するために,教師なしの実用的なデノナイジング手法を提案する。本手法では, 1つのノイズ画像と1つのノイズモデルしか必要とせず, 実際の生画像に容易にアクセス可能である。実世界のアプリケーションにおける生画像復調性能を評価するため,500シーンのシーンを含む高品質な生画像データセットSenseNoise-500を構築した。
論文参考訳（メタデータ） (2021-11-29T07:22:53Z)
NTIRE 2021 Challenge on Perceptual Image Quality Assessment [128.83256694901726]
NTIRE 2021の知覚画像品質評価(IQA)に関する課題について報告する。 CVPR 2021では、画像修復・強化ワークショップ(NTIRE)のNew Trendsと連携して開催されました。新しいタイプの画像処理技術として、GAN(Generative Adversarial Networks)に基づく知覚画像処理アルゴリズムが、より現実的なテクスチャを持つ画像を生成する。
論文参考訳（メタデータ） (2021-05-07T05:36:54Z)
NTIRE 2020 Challenge on Real Image Denoising: Dataset, Methods and Results [181.2861509946241]
本稿は、新たに導入されたデータセットに焦点をあてて、実画像の復調に関するNTIRE 2020の課題をレビューする。課題は、SIDDベンチマークに基づく実際の画像のデノゲーションに関する以前のNTIRE 2019チャレンジの新バージョンである。
論文参考訳（メタデータ） (2020-05-08T15:46:19Z)
Variational Denoising Network: Toward Blind Noise Modeling and Removal [59.36166491196973]
ブラインド画像のデノイングはコンピュータビジョンにおいて重要な問題であるが、非常に難しい問題である。本稿では,ノイズ推定と画像デノーミングを併用した新しい変分推論手法を提案する。
論文参考訳（メタデータ） (2019-08-29T15:54:06Z)

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。