論文の概要: LoViF 2026 The First Challenge on Weather Removal in Videos

• arxiv url: http://arxiv.org/abs/2604.10655v1
• Date: Sun, 12 Apr 2026 14:05:09 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:16.153717
• Title: LoViF 2026 The First Challenge on Weather Removal in Videos
• Title（参考訳）: LoViF 2026:ビデオにおける気象対策の最初の挑戦
• Authors: Chenghao Qian,
• Abstract要約: 本稿では,LoViF 2026 Challenge on Weather removal in Videosについて紹介する。 この課題は、悪天候によって劣化した入力からクリーンなビデオを復元する手法の開発を促進する。 我々は,映像天気の除去に適した,新しいショートフォーム WRV データセットを提案する。
• 参考スコア（独自算出の注目度）: 1.0152838128195467
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a review of the LoViF 2026 Challenge on Weather Removal in Videos. The challenge encourages the development of methods for restoring clean videos from inputs degraded by adverse weather conditions such as rain and snow, with an emphasis on achieving visually plausible and temporally consistent results while preserving scene structure and motion dynamics. To support this task, we introduce a new short-form WRV dataset tailored for video weather removal. It consists of 18 videos 1,216 synthesized frames paired with 1,216 real-world ground-truth frames at a resolution of 832 x 480, and is split into training, validation, and test sets with a ratio of 1:1:1. The goal of this challenge is to advance robust and realistic video restoration under real-world weather conditions, with evaluation protocols that jointly consider fidelity and perceptual quality. The challenge attracted 37 participants and received 5 valid final submissions with corresponding fact sheets, contributing to progress in weather removal for videos. The project is publicly available at https://www.codabench.org/competitions/13462/.
• Abstract（参考訳）: 本稿では、LoViF 2026 Challenge on Weather removal in Videosについて概説する。 この課題は、雨や雪などの悪天候によって劣化した入力からクリーンな映像を復元する手法の開発を奨励し、シーン構造や動きのダイナミクスを保ちながら、視覚的に可視かつ時間的に一貫した結果を達成することに焦点を当てている。 このタスクを支援するために,ビデオ天気の除去に適したWRVデータセットを新たに導入する。 18本のビデオ1,216枚の合成フレームと1,216個の現実世界の地上構造フレームを832 x 480の解像度で組み合わせ、トレーニング、検証、テストセットに1:1の比率で分割する。 この課題の目標は、現実の気象条件下での堅牢で現実的なビデオ復元を推進し、忠実さと知覚的品質を共同で考慮する評価プロトコルを提供することである。 このチャレンジには37人の参加者が参加し、対応するファクトシートで5つの有効なファイドシートが提出され、ビデオの天気予報の進行に寄与した。 このプロジェクトはhttps://www.codabench.org/competitions/13462/で公開されている。

関連論文リスト

• NTIRE 2026 Challenge on Short-form UGC Video Restoration in the Wild with Generative Models: Datasets, Methods and Results [170.92217627176467]
  本稿では, NTIRE 2026 Challenge on Short-form Video Restoration in the Wild with Generative Modelsについて概説する。 この課題は、USTCとKuaishou TechnologyがコントリビュートしたKwaiVIRと呼ばれる新しいショートフォーム(S-UGC)ビデオ復元ベンチマークを利用する。 この課題の第一の目的は、複雑な現実世界の劣化下でのショートフォームビデオの復元のための、強力で実用的なベンチマークを確立することである。
  論文  参考訳（メタデータ） (2026-04-12T09:43:13Z)
• Controllable Weather Synthesis and Removal with Video Diffusion Models [61.56193902622901]
  WeatherWeaverは、様々な気象効果を直接入力ビデオに合成するビデオ拡散モデルである。 本モデルは,気象効果の強度を正確に制御し,様々な気象タイプをブレンドし,現実主義と適応性の両方を保証する。
  論文  参考訳（メタデータ） (2025-05-01T17:59:57Z)
• Video Adverse-Weather-Component Suppression Network via Weather Messenger and Adversarial Backpropagation [45.184188689391775]
  ビデオ悪天候抑制ネットワーク(ViWS-Net)を開発することにより、悪天候条件から映像を復元する第1の枠組みを提案する。 我々のViWS-Netは、あらゆる気象条件で劣化したビデオの復元において、最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2023-09-24T17:13:55Z)
• NTIRE 2023 Quality Assessment of Video Enhancement Challenge [97.809937484099]
  NTIRE 2023 Quality Assessment of Video Enhancement Challengeについて報告する。 課題は、ビデオ処理分野における大きな課題、すなわち、強化されたビデオに対するビデオ品質評価(VQA)に対処することである。 参加者数は167名。
  論文  参考訳（メタデータ） (2023-07-19T02:33:42Z)
• AIM 2020 Challenge on Video Temporal Super-Resolution [118.46127362093135]
  Video Temporal Super-Resolution (VTSR) の第2回AIMチャレンジ 本稿では,ビデオ・テンポラル・スーパー・リゾリューション(VTSR)における第2回AIM課題について報告する。
  論文  参考訳（メタデータ） (2020-09-28T00:10:29Z)
• AIM 2019 Challenge on Video Temporal Super-Resolution: Methods and Results [129.15554076593762]
  本稿では,ビデオ時空間超解像(フレーム)におけるAIMの最初の課題についてレビューする。 低フレームレート(15fps)のビデオシーケンスから、チャレンジ参加者はより高いフレームレート(60fps)のビデオシーケンスを提出するよう求められる。 ハンドヘルドカメラで撮影した多様なビデオから得られたREDS VTSRデータセットをトレーニングおよび評価目的で使用した。
  論文  参考訳（メタデータ） (2020-05-04T01:51:23Z)

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。