論文の概要: OpenRR-1k: A Scalable Dataset for Real-World Reflection Removal
- arxiv url: http://arxiv.org/abs/2506.08299v1
- Date: Tue, 10 Jun 2025 00:04:47 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-11 15:11:40.950901
- Title: OpenRR-1k: A Scalable Dataset for Real-World Reflection Removal
- Title（参考訳）: OpenRR-1k: 実世界のリフレクション除去のためのスケーラブルデータセット
- Authors: Kangning Yang, Ling Ouyang, Huiming Sun, Jie Cai, Lan Fu, Jiaming Ding, Chiu Man Ho, Zibo Meng,
- Abstract要約: 反射技術は写真やコンピュータビジョンの応用において重要な役割を担っている。
既存のテクニックは、高品質なインザワイルドデータセットの欠如によって妨げられている。
新たな視点から反射データセットを収集するための新しいパラダイムを提案する。
- 参考スコア（独自算出の注目度）: 16.539156634006236
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Reflection removal technology plays a crucial role in photography and computer vision applications. However, existing techniques are hindered by the lack of high-quality in-the-wild datasets. In this paper, we propose a novel paradigm for collecting reflection datasets from a fresh perspective. Our approach is convenient, cost-effective, and scalable, while ensuring that the collected data pairs are of high quality, perfectly aligned, and represent natural and diverse scenarios. Following this paradigm, we collect a Real-world, Diverse, and Pixel-aligned dataset (named OpenRR-1k dataset), which contains 1,000 high-quality transmission-reflection image pairs collected in the wild. Through the analysis of several reflection removal methods and benchmark evaluation experiments on our dataset, we demonstrate its effectiveness in improving robustness in challenging real-world environments. Our dataset is available at https://github.com/caijie0620/OpenRR-1k.
- Abstract（参考訳）: 反射除去技術は写真やコンピュータビジョンの応用において重要な役割を担っている。
しかし、既存の技術は高品質なインザワイルドデータセットの欠如によって妨げられている。
本稿では,新しい視点から反射データセットを収集するための新しいパラダイムを提案する。
当社のアプローチは便利で費用対効果があり、スケーラブルですが、収集されたデータペアは高品質で、完全に整合性があり、自然で多様なシナリオを表現しています。
このパラダイムに従って、実世界、ディバース、およびPixel対応データセット(OpenRR-1kデータセット)を収集し、野生で収集された1000の高品質の透過反射画像ペアを含む。
提案するデータセットにおける複数のリフレクション除去手法の解析とベンチマーク評価実験により,実環境に挑戦する環境におけるロバスト性向上の有効性を実証した。
データセットはhttps://github.com/caijie0620/OpenRR-1k.comから入手可能です。
関連論文リスト
- OpenRR-5k: A Large-Scale Benchmark for Reflection Removal in the Wild [11.90005156583499]
SIRR(Single Image Reflectionectomy)のための新しいベンチマークを提案する。
我々は,5,300画素の高画質な画像対を含む大規模データセットを開発した。
論文 参考訳（メタデータ） (2025-06-05T18:03:39Z) - AerialMegaDepth: Learning Aerial-Ground Reconstruction and View Synthesis [57.249817395828174]
本研究では,3次元都市規模のメッシュからの擬似合成レンダリングと,実地レベルでのクラウドソース画像を組み合わせたスケーラブルなフレームワークを提案する。
擬似合成データは、幅広い空中視点をシミュレートする一方、実際のクラウドソース画像は、地上レベルの画像の視覚的忠実度を改善するのに役立つ。
このハイブリッドデータセットを使用して、いくつかの最先端のアルゴリズムを微調整し、実世界のゼロショット地上作業において大幅な改善を実現する。
論文 参考訳（メタデータ） (2025-04-17T17:57:05Z) - Finding the Reflection Point: Unpadding Images to Remove Data Augmentation Artifacts in Large Open Source Image Datasets for Machine Learning [0.0]
本稿では,最小平均二乗誤差手法を用いて反射境界を記述するための体系的アルゴリズムを提案する。
提案手法は,圧縮やノイズの存在下においても,真の内容とミラー付き内容との遷移を効果的に同定する。
論文 参考訳（メタデータ） (2025-04-04T04:54:10Z) - Dereflection Any Image with Diffusion Priors and Diversified Data [86.15504914121226]
本稿では、効率的なデータ準備パイプラインと、頑健な反射除去のための一般化可能なモデルを備えた包括的解を提案する。
まず、ターゲットシーンでランダムに回転する反射媒体によって生成された横反射除去(DRR)というデータセットを紹介する。
第2に、決定論的出力と高速推論のための1ステップ拡散を伴う拡散に基づくフレームワークを提案する。
論文 参考訳（メタデータ） (2025-03-21T17:48:14Z) - HUE Dataset: High-Resolution Event and Frame Sequences for Low-Light Vision [16.432164340779266]
低照度条件下での高分解能イベントとフレームシーケンスのコレクションであるHUEデータセットを紹介する。
私たちのデータセットには、屋内、都市景観、トワイライト、夜、運転、制御されたシナリオを含む106のシーケンスが含まれています。
我々は定性評価と定量的評価の両方を用いて、最先端の低照度化と事象に基づく画像再構成手法を評価する。
論文 参考訳（メタデータ） (2024-10-24T21:15:15Z) - Super-resolving Real-world Image Illumination Enhancement: A New Dataset and A Conditional Diffusion Model [43.93772529301279]
本稿では,効率的な条件拡散確率モデルに基づくSRRIIEデータセットを提案する。
画像はILDCカメラと光学ズームレンズで撮影し、露光レベルは6EVから0EV、ISOレベルは50～12800である。
既存の手法は, 複雑なノイズから復元した画像の構造やシャープさを保ちつつも, 有効性は低いことが示唆された。
論文 参考訳（メタデータ） (2024-10-16T18:47:04Z) - Rethinking Image Super-Resolution from Training Data Perspectives [54.28824316574355]
画像超解像(SR)におけるトレーニングデータの効果について検討する。
そこで我々は,自動画像評価パイプラインを提案する。
その結果, (i) 圧縮アーチファクトの少ないデータセット, (ii) 被写体数によって判断される画像内多様性の高いデータセット, (iii) ImageNet や PASS からの大量の画像がSR性能に肯定的な影響を与えることがわかった。
論文 参考訳（メタデータ） (2024-09-01T16:25:04Z) - Revisiting Single Image Reflection Removal In the Wild [83.42368937164473]
本研究は,実環境におけるシングルイメージリフレクション除去(SIRR)の問題に焦点をあてる。
我々は,様々な現実世界のリフレクションシナリオに高度に適用可能な,高度なリフレクション収集パイプラインを考案した。
野生での反射除去(RRW)と呼ばれる大規模で高品質な反射データセットを開発する。
論文 参考訳（メタデータ） (2023-11-29T02:31:10Z) - A Categorized Reflection Removal Dataset with Diverse Real-world Scenes [54.662456878340215]
我々は、分類され、多様で、現実世界(CDR)に分類された新しい反射除去データセットを構築する。
データセットは様々な環境下で様々なガラスタイプを使用して構築され、多様性が保証される。
現状の反射除去法は, 一般にぼやけた反射に対して良好に機能するが, 他の種類の実世界の反射に対する満足度は得られないことを示す。
論文 参考訳（メタデータ） (2021-08-07T06:56:57Z) - Salient Objects in Clutter [130.63976772770368]
本稿では,既存の正当性オブジェクト検出(SOD)データセットの重大な設計バイアスを特定し,対処する。
この設計バイアスは、既存のデータセットで評価した場合、最先端のSODモデルのパフォーマンスの飽和につながった。
我々は,新しい高品質データセットを提案し,前回のsaliencyベンチマークを更新する。
論文 参考訳（メタデータ） (2021-05-07T03:49:26Z)
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。