論文の概要: NTIRE 2025 Challenge on Real-World Face Restoration: Methods and Results

• arxiv url: http://arxiv.org/abs/2504.14600v1
• Date: Sun, 20 Apr 2025 13:00:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-29 23:31:49.624961
• Title: NTIRE 2025 Challenge on Real-World Face Restoration: Methods and Results
• Title（参考訳）: NTIRE 2025 現実の顔復元への挑戦:方法と成果
• Authors: Zheng Chen, Jingkai Wang, Kai Liu, Jue Gong, Lei Sun, Zongwei Wu, Radu Timofte, Yulun Zhang, Jianxing Zhang, Jinlong Wu, Jun Wang, Zheng Xie, Hakjae Jeon, Suejin Han, Hyung-Ju Chun, Hyunhee Park, Zhicun Yin, Junjie Chen, Ming Liu, Xiaoming Li, Chao Zhou, Wangmeng Zuo, Weixia Zhang, Dingquan Li, Kede Ma, Yun Zhang, Zhuofan Zheng, Yuyue Liu, Shizhen Tang, Zihao Zhang, Yi Ning, Hao Jiang, Wenjie An, Kangmeng Yu, Chenyang Wang, Kui Jiang, Xianming Liu, Junjun Jiang, Yingfu Zhang, Gang He, Siqi Wang, Kepeng Xu, Zhenyang Liu, Changxin Zhou, Shanlan Shen, Yubo Duan, Yiang Chen, Jin Guo, Mengru Yang, Jen-Wei Lee, Chia-Ming Lee, Chih-Chung Hsu, Hu Peng, Chunming He,
• Abstract要約: 本論では,NTIRE 2025による顔修復の課題について概説する。 この課題は、アイデンティティの一貫性を維持しながら、自然な、現実的なアウトプットを生成することに焦点を当てている。 課題の軌跡は、加重画像品質評価(IQA)スコアを用いて性能を評価し、AdaFaceモデルをアイデンティティチェッカーとして利用する。
• 参考スコア（独自算出の注目度）: 132.72989397564405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper provides a review of the NTIRE 2025 challenge on real-world face restoration, highlighting the proposed solutions and the resulting outcomes. The challenge focuses on generating natural, realistic outputs while maintaining identity consistency. Its goal is to advance state-of-the-art solutions for perceptual quality and realism, without imposing constraints on computational resources or training data. The track of the challenge evaluates performance using a weighted image quality assessment (IQA) score and employs the AdaFace model as an identity checker. The competition attracted 141 registrants, with 13 teams submitting valid models, and ultimately, 10 teams achieved a valid score in the final ranking. This collaborative effort advances the performance of real-world face restoration while offering an in-depth overview of the latest trends in the field.
• Abstract（参考訳）: 本稿では,NTIRE 2025による現実の顔修復の課題について概説し,提案手法とその結果について述べる。 この課題は、アイデンティティの一貫性を維持しながら、自然な、現実的なアウトプットを生成することに焦点を当てている。 その目標は、計算資源やトレーニングデータに制約を加えることなく、知覚的品質とリアリズムのための最先端のソリューションを進化させることである。 課題の軌跡は、加重画像品質評価(IQA)スコアを用いて性能を評価し、AdaFaceモデルをアイデンティティチェッカーとして利用する。 競技会には141人の登録者が参加し、13チームが有効なモデルを提出し、最終的に10チームが最終ランキングで有効なスコアを獲得した。 この共同作業は、現場の最新トレンドの詳細な概要を提供しながら、現実世界の顔復元のパフォーマンスを向上させる。

関連論文リスト

• 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)
• Deep Portrait Quality Assessment. A NTIRE 2024 Challenge Survey [43.57460813800406]
  本稿は, NTIRE 2024 Portrait Quality Assessment Challenge をレビューし, 提案したソリューションと成果を概説する。 この課題は、実際の肖像画の知覚的品質を推定できる効率的なディープニューラルネットワークを得ることである。
  論文  参考訳（メタデータ） (2024-04-17T08:15:25Z)
• NICE: CVPR 2023 Challenge on Zero-shot Image Captioning [149.28330263581012]
  NICEプロジェクトは、堅牢な画像キャプションモデルを開発するためにコンピュータビジョンコミュニティに挑戦するために設計されている。 レポートには、新たに提案されたNICEデータセット、評価方法、課題結果、トップレベルのエントリの技術的な詳細などが含まれている。
  論文  参考訳（メタデータ） (2023-09-05T05:32:19Z)
• NTIRE 2022 Challenge on Perceptual Image Quality Assessment [90.04931572825859]
  画像品質評価(IQA)におけるNTIRE 2022の課題について報告する。 この課題は、知覚画像処理アルゴリズムによるIQAの新たな課題に対処するためである。 当選方法は、最先端の性能を示すことができる。
  論文  参考訳（メタデータ） (2022-06-23T13:36:49Z)
• 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)
• FairFace Challenge at ECCV 2020: Analyzing Bias in Face Recognition [26.49981022316179]
  この課題の目的は、提出されたアルゴリズムの性別と肌の色における正確さと偏りを評価することである。 データセットはバランスが取れていないため、公正な結果を示すAIベースのモデルがトレーニングされ、不均衡なデータに基づいて評価される、現実のシナリオをシミュレートする。 上位10チームの分析では、暗い肌の色を持つ女性の偽陽性率(偽陰性率)が高かった。
  論文  参考訳（メタデータ） (2020-09-16T17:56:22Z)

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。