論文の概要: NTIRE 2025 Challenge on Day and Night Raindrop Removal for Dual-Focused Images: Methods and Results
- arxiv url: http://arxiv.org/abs/2504.12711v2
- Date: Sat, 19 Apr 2025 05:26:40 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-04-29 11:55:36.715122
- Title: NTIRE 2025 Challenge on Day and Night Raindrop Removal for Dual-Focused Images: Methods and Results
- Title（参考訳）: NTIRE 2025 双焦点画像の昼夜降雨除去に関する課題:方法と結果
- Abstract要約: NTIRE 2025 Challenge on Day and Night Raindrop removal for Dual-Focused Images。
この課題は、我々の収集した実世界のレインドロップ・クラリティーデータセットを使用して開発され、評価された、幅広い印象的なソリューションを受け取った。
この課題の主な目的は、様々な照明と焦点条件の下で雨滴を除去するタスクのための、新しく強力なベンチマークを確立することである。
- 参考スコア（独自算出の注目度）: 173.5963741512905
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper reviews the NTIRE 2025 Challenge on Day and Night Raindrop Removal for Dual-Focused Images. This challenge received a wide range of impressive solutions, which are developed and evaluated using our collected real-world Raindrop Clarity dataset. Unlike existing deraining datasets, our Raindrop Clarity dataset is more diverse and challenging in degradation types and contents, which includes day raindrop-focused, day background-focused, night raindrop-focused, and night background-focused degradations. This dataset is divided into three subsets for competition: 14,139 images for training, 240 images for validation, and 731 images for testing. The primary objective of this challenge is to establish a new and powerful benchmark for the task of removing raindrops under varying lighting and focus conditions. There are a total of 361 participants in the competition, and 32 teams submitting valid solutions and fact sheets for the final testing phase. These submissions achieved state-of-the-art (SOTA) performance on the Raindrop Clarity dataset. The project can be found at https://lixinustc.github.io/CVPR-NTIRE2025-RainDrop-Competition.github.io/.
- Abstract（参考訳）: NTIRE 2025 Challenge on Day and Night Raindrop removal for Dual-Focused Images。
この課題は、我々の収集した実世界のレインドロップ・クラリティーデータセットを使用して開発され、評価された、幅広い印象的なソリューションを受け取った。
私たちのRaindrop Clarityデータセットは、既存のデアライニングデータセットと異なり、昼の雨滴、昼の雨滴、夜の雨滴、夜の背景の劣化など、より多様で、劣化のタイプや内容が難しい。
データセットは、トレーニング用の14,139イメージ、バリデーション用の240イメージ、テスト用の731イメージの3つのサブセットに分けられる。
この課題の主な目的は、様々な照明と焦点条件の下で雨滴を除去するタスクのための、新しく強力なベンチマークを確立することである。
コンペには合計361人が参加し、32チームが最終テストフェーズに有効なソリューションとファクトシートを提出した。
これらの提案は、Raindrop Clarityデータセット上で、最先端(SOTA)のパフォーマンスを達成した。
このプロジェクトはhttps://lixinustc.github.io/CVPR-NTIRE2025-RainDrop-Competition.github.io/で見ることができる。
関連論文リスト
- 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) - NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: AI Flash Portrait (Track 3) [127.69044386248355]
NTIRE 2026 3rd Restore Any Image Model (RAIM) の課題について概観する。
この課題は、現実世界の低照度肖像画復元のための新しいベンチマークを確立することを目的としている。
本報告では,課題の背景にあるモチベーション,データセット構築プロセス,評価指標,および競争のさまざまなフェーズについて詳述する。
論文 参考訳（メタデータ） (2026-04-13T09:30:56Z) - NTIRE 2026 The Second Challenge on Day and Night Raindrop Removal for Dual-Focused Images: Methods and Results [217.29820183896334]
本稿では,NTIRE 2026第2回昼夜降雨除去チャレンジの概要について述べる。
この課題の第一の目的は、様々な照明と焦点条件の下で雨滴を除去するための強力で実用的なベンチマークを確立することである。
合計168チームが競技に登録し、17チームがテストフェーズの有効な最終ソリューションとファクトシートを提出した。
論文 参考訳（メタデータ） (2026-04-12T13:22:23Z) - NTIRE 2026 The 3rd Restore Any Image Model (RAIM) Challenge: Multi-Exposure Image Fusion in Dynamic Scenes (Track 2) [82.64620983570866]
ダイナミックシーンにおけるマルチ露光画像融合におけるRAIM(Restore Any Image Model)の課題であるNTIRE 2026を提案する。
本稿では,シーン動作,照明変動,ハンドヘルドカメラジッタの下で露光ブラケットを融合させる,実用的ながら困難なHDR画像設定を目標とするベンチマークを提案する。
入賞方法は多露出核融合からアーティファクトを除去し、細部を回収する能力を大幅に改善した。
論文 参考訳（メタデータ） (2026-04-10T06:47:42Z) - Unified Removal of Raindrops and Reflections: A New Benchmark and A Novel Pipeline [23.05612697278085]
雨滴と反射は、キャプチャー画像の視認性を著しく低下させるためにしばしば共起する。
まず最初に、最初にレインドロップとリフレクション(UR$3$)タスクの統一的な削除を定義します。
本稿では,この課題に対応するために,新しい拡散型フレームワーク (DiffUR$3$) を提案する。
論文 参考訳（メタデータ） (2026-03-17T12:30:14Z) - NTIRE 2025 Image Shadow Removal Challenge Report [125.80015208285496]
本研究は, NTIRE 2025シャドウ除去チャレンジの成果について検討する。
合計306人の参加者が登録し、17チームがソリューションの提出に成功している。
この課題には2つの評価トラックがあった。1つは再建忠実度、もう1つはユーザスタディによる視覚的知覚に焦点を当てた。
論文 参考訳（メタデータ） (2025-06-18T14:58:49Z) - NTIRE 2025 the 2nd Restore Any Image Model (RAIM) in the Wild Challenge [60.38046597325693]
NTIRE 2025チャレンジは、現実世界の画像復元のための新しいベンチマークを確立した。
この挑戦には300近い登録があり、51チームが600以上の結果を出した。
トップパフォーマンスの手法は、画像復元の最先端に進み、20名以上の専門家の審査員から全会一致で承認された。
論文 参考訳（メタデータ） (2025-06-02T07:43:35Z) - Unsupervised Network for Single Image Raindrop Removal [4.982370044801629]
本研究では,教師なし学習に基づく雨滴除去のためのディープニューラルネットワークを提案する。
提案モデルでは,サイクルネットワークアーキテクチャに基づく層分離を行う。
雨滴ベンチマークデータセットの実験により,提案手法の有効性が示された。
論文 参考訳（メタデータ） (2024-12-04T04:10:50Z) - Raindrop Clarity: A Dual-Focused Dataset for Day and Night Raindrop Removal [16.50219011463268]
雨滴明瞭度は、雨滴と対応する鮮明な背景画像の高品質なペア/トリップ15,186枚からなる。
昼間降雨量は5,442枚、夜間降雨量は9,744枚である。
我々のデータセットにより、コミュニティは背景に焦点をあて、雨滴に焦点を絞ったイメージを探索できる。
論文 参考訳（メタデータ） (2024-07-24T02:48:30Z) - NTIRE 2024 Restore Any Image Model (RAIM) in the Wild Challenge [60.21380105535203]
RAIMチャレンジは野生での画像復元のためのベンチマークを構築した。
参加者は、実際の撮影画像が複雑で未知の劣化から復元されることが求められた。
トップランクの手法は最先端の復元性能を改善し、18人の審査員から全会一致の承認を得た。
論文 参考訳（メタデータ） (2024-05-16T09:26:13Z) - GT-Rain Single Image Deraining Challenge Report [34.07344528762348]
本報告では,CVPR 2023のUG2+ワークショップにおいて,単一画像デライニングにおけるGT-Rainチャレンジの結果についてレビューする。
本コンペティションの目的は、現実のシナリオにおける雨天現象の研究、新しい現実の雨天画像データセットの提供、および、実際の画像上での単一画像デコレーション手法の開発をさらに進めるための革新的なアイデアの創出である。
論文 参考訳（メタデータ） (2024-03-18T23:45:18Z) - Joint Depth Estimation and Mixture of Rain Removal From a Single Image [24.009353523566162]
そこで我々は,DeMore-Netと呼ばれる降雨の混合に対する効果的な画像デクリニングパラダイムを提案する。
本研究では,画像のデアライジング作業における正規化手法について検討し,DeMore-Netのデアライジング性能を向上させるためにHNB(Hybrid Normalization Block)を導入する。
論文 参考訳（メタデータ） (2023-03-31T02:05:45Z) - GTAV-NightRain: Photometric Realistic Large-scale Dataset for Night-time
Rain Streak Removal [30.93624632770902]
雨は透明で、シーンの光を反射し、カメラに反射する。
既存の雨害除去データセットでは, 密度, スケール, 方向, 強度が考慮されているが, 透明性は十分に考慮されていない。
本稿では,大規模な夜間降雨ストリーク除去データセットであるGTAV-NightRainデータセットを提案する。
論文 参考訳（メタデータ） (2022-10-10T14:08:09Z) - Toward Real-world Single Image Deraining: A New Benchmark and Beyond [79.5893880599847]
現実シナリオにおけるSID(Single Image deraining)は近年注目されている。
以前の実際のデータセットは、低解像度の画像、均一な雨のストリーク、背景の変化の制限、イメージペアの誤調整に悩まされていた。
我々はRealRain-1kという新しい高品質のデータセットを構築した。
論文 参考訳（メタデータ） (2022-06-11T12:26:59Z) - NTIRE 2021 Depth Guided Image Relighting Challenge [80.4620366794261]
本稿では NTIRE 2021 depth guided image relighting Challenge について概説する。
私たちは、深度情報を含む2つのチャレンジトラックのそれぞれにVIDITデータセットに依存しています。
登録参加者は250人近くで,最終コンペティションステージには18のチームが参加しています。
論文 参考訳（メタデータ） (2021-04-27T17:53:32Z) - Illumination Estimation Challenge: experience of past two years [57.13714732760851]
第2回照明推定チャレンジ(IEC#2)を行った。
チャレンジには、一般的なもの、屋内のもの、照明が2つあり、それぞれ異なるシーンのパラメーターに焦点を当てていた。
他の主な特徴は、同じカメラセンサーモデルで撮影された画像の新しい大規模なデータセット(約5000)、各画像に付随する手動マークアップ、SpyderCubeキャリブレーションオブジェクトを使用して抽出されたさまざまな照明の下で多くの国で撮影されたシーンの多様なコンテンツ、IEC#1で使用されたCube+データセットからの画像のコンテストのようなマークアップです。
論文 参考訳（メタデータ） (2020-12-31T17:59:19Z) - 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)
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。