論文の概要: Denoising Diffusion as a New Framework for Underwater Images

• arxiv url: http://arxiv.org/abs/2510.09934v1
• Date: Sat, 11 Oct 2025 00:22:32 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.699465
• Title: Denoising Diffusion as a New Framework for Underwater Images
• Title（参考訳）: 水中画像の新しい枠組みとしての拡散
• Authors: Nilesh Jain, Elie Alhajjar,
• Abstract要約: 画像強調の研究は効果があることが証明されているが、それ自身の限界も示している。 ここでの課題の1つは、多様性の欠如とこれらのデータセットに含まれる画像の品質の低さである。 一方,制御ネットを用いた画像の強化により,対応するデータセットの品質を評価・向上することが推奨されている。
• 参考スコア（独自算出の注目度）: 6.176402793773974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Underwater images play a crucial role in ocean research and marine environmental monitoring since they provide quality information about the ecosystem. However, the complex and remote nature of the environment results in poor image quality with issues such as low visibility, blurry textures, color distortion, and noise. In recent years, research in image enhancement has proven to be effective but also presents its own limitations, like poor generalization and heavy reliance on clean datasets. One of the challenges herein is the lack of diversity and the low quality of images included in these datasets. Also, most existing datasets consist only of monocular images, a fact that limits the representation of different lighting conditions and angles. In this paper, we propose a new plan of action to overcome these limitations. On one hand, we call for expanding the datasets using a denoising diffusion model to include a variety of image types such as stereo, wide-angled, macro, and close-up images. On the other hand, we recommend enhancing the images using Controlnet to evaluate and increase the quality of the corresponding datasets, and hence improve the study of the marine ecosystem. Tags - Underwater Images, Denoising Diffusion, Marine ecosystem, Controlnet
• Abstract（参考訳）: 海底画像は、生態系に関する品質情報を提供するため、海洋研究や海洋環境モニタリングにおいて重要な役割を担っている。 しかし、環境の複雑で遠隔的な性質は、視界の低さ、ぼやけたテクスチャ、色歪み、ノイズといった問題によって画質が低下する。 近年、画像強調の研究は効果があることが証明されているが、一般化の貧弱さやクリーンデータセットへの強い依存など、独自の制限も示している。 ここでの課題の1つは、多様性の欠如とこれらのデータセットに含まれる画像の品質の低さである。 また、既存のデータセットのほとんどは、異なる照明条件と角度の表現を制限する、単眼画像のみで構成されている。 本稿では,これらの制約を克服する新たな行動計画を提案する。 一方,ステレオ画像,広角画像,マクロ画像,クローズアップ画像など,さまざまなイメージタイプを含むように,デノナイズ拡散モデルを用いてデータセットを拡張することを求めている。 一方,制御ネットを用いた画像の改良により,対応するデータセットの質を評価・向上し,海洋生態系の研究を改善することを推奨する。 タグ - 水中画像、拡散、海洋生態系、コントロールネット

関連論文リスト

• Optical Ocean Recipes: Creating Realistic Datasets to Facilitate Underwater Vision Research [0.0]
  制御された水中条件下で現実的なデータセットを作成するためのフレームワークを提案する。 合成水やオープンウォーターとは異なり、これらのレシピは、キャリブレーションされた色と散乱添加剤を使用して、水組成が画像の外観に与える影響の反復的および制御的なテストを可能にする。 制御された環境は、水パラメータ推定、画像復元、セグメンテーション、視覚SLAM、水中画像合成など、様々な視覚タスクのための地中構造データの作成を可能にする。
  論文  参考訳（メタデータ） (2025-09-24T14:36:35Z)
• Inland Waterway Object Detection in Multi-environment: Dataset and Approach [12.00732943849236]
  本稿では,多環境インランド・ウォーターウェイ・ベッセル・データセット(MEIWVD)を紹介する。 MEIWVDは、晴れ、雨、霧、人工照明など様々なシナリオから32,478枚の高品質な画像で構成されている。 本稿では,環境条件に応じた水面画像改善のためのシーン誘導画像強調モジュールを提案する。
  論文  参考訳（メタデータ） (2025-04-07T08:45:00Z)
• Image-Based Relocalization and Alignment for Long-Term Monitoring of Dynamic Underwater Environments [57.59857784298534]
  本稿では,視覚的位置認識(VPR),特徴マッチング,画像分割を組み合わせた統合パイプラインを提案する。 本手法は, 再検討領域のロバスト同定, 剛性変換の推定, 生態系変化の下流解析を可能にする。
  論文  参考訳（メタデータ） (2025-03-06T05:13:19Z)
• Underwater Image Enhancement using Generative Adversarial Networks: A Survey [1.2582887633807602]
  ジェネレーティブ・Adversarial Networks (GAN) は水中写真を強化する強力なツールとして登場した。 GANは、海洋生物学や生態系モニタリング、サンゴ礁の健康評価、水中考古学、自律型水中車両(AUV)ナビゲーションなど、現実世界の応用に応用されている。 本稿では,物理・物理フリーモデルからCNNベースモデル,最先端のGANベース手法に至るまで,水中画像強調への主要なアプローチについて検討する。
  論文  参考訳（メタデータ） (2025-01-10T06:41:19Z)
• UWStereo: A Large Synthetic Dataset for Underwater Stereo Matching [37.223366825356734]
  UWStereoと呼ばれる大規模な合成データセットを導入する。 データセットには,左図に対する高密度かつ高精度な不均一アノテーションを備えた合成ステレオ画像ペアが29,568個含まれている。 既存の水中データセットと比較して、UWStereoはスケール、変動、アノテーション、フォトリアリスティックな画質の点で優れている。
  論文  参考訳（メタデータ） (2024-09-03T10:52:27Z)
• Exposure Bracketing Is All You Need For A High-Quality Image [50.822601495422916]
  マルチ露光画像は、デノイング、デブロアリング、高ダイナミックレンジイメージング、超解像において相補的である。 本研究では,これらの課題を組み合わせ,高品質な画像を得るために露光ブラケット写真を活用することを提案する。 特に時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image Enhancement [77.0360085530701]
  水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。 従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。 提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
  論文  参考訳（メタデータ） (2023-12-12T06:07:21Z)
• Towards Generating Large Synthetic Phytoplankton Datasets for Efficient Monitoring of Harmful Algal Blooms [77.25251419910205]
  有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。 現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。 合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
  論文  参考訳（メタデータ） (2022-08-03T20:15:55Z)
• MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
  ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。 我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。 MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
  論文  参考訳（メタデータ） (2021-12-01T02:10:42Z)
• Underwater Image Restoration via Contrastive Learning and a Real-world Dataset [59.35766392100753]
  本稿では,教師なし画像から画像への翻訳フレームワークに基づく水中画像復元手法を提案する。 提案手法は, 生画像と復元画像の相互情報を最大化するために, コントラスト学習と生成敵ネットワークを利用した。
  論文  参考訳（メタデータ） (2021-06-20T16:06:26Z)
• Domain Adaptive Adversarial Learning Based on Physics Model Feedback for Underwater Image Enhancement [10.143025577499039]
  物理モデルに基づくフィードバック制御と,水中画像の高機能化のための領域適応機構を用いた,新しい頑健な対角学習フレームワークを提案する。 水中画像形成モデルを用いてRGB-Dデータから水中訓練データセットをシミュレーションする新しい手法を提案する。 合成および実水中画像の最終的な改良結果は,提案手法の優位性を示している。
  論文  参考訳（メタデータ） (2020-02-20T07:50:00Z)

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。