論文の概要: EvReflection: Event-Driven Micro-Dynamics for Reflection Removal
- arxiv url: http://arxiv.org/abs/2608.06184v1
- Date: Thu, 06 Aug 2026 15:44:10 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-07 17:43:06.784804
- Title: EvReflection: Event-Driven Micro-Dynamics for Reflection Removal
- Title（参考訳）: EvReflection: イベント駆動によるリフレクション除去のためのマイクロダイナミクス
- Abstract要約: EvReflectionは、イベント駆動のリフレクション除去ネットワークである。
EvReflectionは、合成ベンチマークと実世界のベンチマークの両方で最先端のパフォーマンスを達成する。
- 参考スコア（独自算出の注目度）: 8.328713790877119
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Despite remarkable progress in reflection removal, current methods primarily exploit static image priors from a single frame and still suffer from severe residual artifacts due to the inherent ambiguity between the reflection and transmission layers. In this paper, we propose leveraging event signals to break this ambiguity. By employing event cameras to capture micro-dynamics, we reveal the differential motion between these two layers. We thereby present a novel event-driven reflection removal network, EvReflection, that utilizes these dynamic cues for layer separation. Specifically, we design a Micro-Dynamics Decoupler to disentangle layer-specific motions from event streams as priors, which then guide a Parallax-Attention Rectifier to cleanly remove artifacts from the RGB image. Furthermore, to address data scarcity, we develop a parallax-aware simulation pipeline and construct the EVR$^2$ benchmark dataset, the first real-world dataset for this task. Extensive experiments demonstrate that EvReflection achieves state-of-the-art performance on both synthetic and real-world benchmarks, surpassing the best competing method by more than 1.6 dB and 1.2 dB in PSNR, respectively. The code, dataset, and pre-trained models are available at https://github.com/JiaxiaoWang/EvReflection.
- Abstract（参考訳）: 反射除去の顕著な進歩にもかかわらず、現在の手法は主に単一のフレームからの静止画像の先行を利用でき、反射層と透過層の間に固有の曖昧さがあるため、依然として深刻な残留物に悩まされている。
本稿では,この曖昧さを解消するためにイベント信号を活用することを提案する。
マイクロダイナミックスを捉えるためにイベントカメラを用いることで、これらの2つの層間の差動が明らかになる。
そこで我々は,これら動的キューを層分離に用いるイベント駆動反射除去ネットワークEvReflectionを提案する。
具体的には,マイクロダイナミックスデカップラを設計し,イベントストリームからの層固有の動作を先行として切り離し,Parallax-Attention Rectifierを誘導してRGB画像からアーティファクトをきれいに除去する。
さらに,データ不足に対処するため,パララックス対応のシミュレーションパイプラインを開発し,EVR$^2$ベンチマークデータセットを構築した。
エヴレフレクションは,PSNRにおいてそれぞれ1.6dB以上,1.2dB以上の競合手法を上回り,合成ベンチマークと実世界のベンチマークの両方で最先端性能を達成することを示した。
コード、データセット、事前トレーニングされたモデルはhttps://github.com/JiaxiaoWang/EvReflection.comで入手できる。
関連論文リスト
- From Synthesis to Removal: Physics-Grounded Reflection Simulation and Diffusion-Based Video Dereflection [14.243013084823518]
本稿では,物理基底反射シミュレーション,拡散型デフレクション,ベンチマーク評価を統一するクローズドループフレームワークを提案する。
S2R-Benchと複数の公開画像ベンチマークの実験では、非拡散ベースラインよりも最先端の性能と高速な推論が示されている。
論文 参考訳（メタデータ） (2026-08-12T01:59:05Z) - EventGait: Towards Robust Gait Recognition with Event Streams [50.890621860023]
イベントカメラは、マイクロ秒時間分解能と高ダイナミックレンジを提供し、自然にロバストなダイナミックキューをキャプチャし、静的ノイズを抑制する。
イベントの利点を保ちながら、動きと形状を別々にモデル化する、エンドツーエンドのデュアルストリームフレームワークである textbfEventGait を提案する。
当社のアプローチでは,イベント駆動歩行分析の堅牢性と可能性を強調し,合成および実世界の歩行ベンチマークに新たな技術状況が設定されている。
論文 参考訳（メタデータ） (2026-05-21T08:12:04Z) - RT-GS: Gaussian Splatting with Reflection and Transmittance Primitives [52.10688811929143]
本稿では,マイクロファセット材料モデルとレイトレーシングを統合した統一フレームワークを提案する。
実験により, 複雑な環境下では, 物体の反射や物体の回収に成功していることが示された。
論文 参考訳（メタデータ） (2026-04-01T05:50:03Z) - Seeing the Unseen: Zooming in the Dark with Event Cameras [36.50809482857401]
低照度ビデオ超解像(LVSR)は、低照度低解像度(LR)入力から高解像度映像を復元することを目的としている。
既存のLVSR法は、コントラストが限られ、高周波情報が不十分なため、細部を回復するのにしばしば苦労する。
我々はRetinexEVSRについて紹介する。RetinexEVSRは、高コントラストなイベント信号とRetinexにインスパイアされた事前情報を利用して、低照度シナリオ下での画質向上を実現する、最初のイベント駆動型LVSRフレームワークである。
論文 参考訳（メタデータ） (2026-01-05T15:31:07Z) - Utilizing Multi-step Loss for Single Image Reflection Removal [0.9208007322096532]
歪んだイメージは、オブジェクト検出やイメージセグメンテーションといったタスクに悪影響を及ぼす可能性がある。
単一画像を用いた画像反射除去のための新しい手法を提案する。
論文 参考訳（メタデータ） (2024-12-11T17:57:25Z) - Reversible Decoupling Network for Single Image Reflection Removal [15.763420129991255]
本稿では, 可逆エンコーダを提案し, 透過・反射関連特性を柔軟に分離する。
RDNet は NTIRE 2025 Single Image Reflection removal in the Wild Challenge において、忠実さと知覚的比較の両方において最高のパフォーマンスを達成している。
論文 参考訳（メタデータ） (2024-10-10T15:58:27Z) - FIRM: Flexible Interactive Reflection reMoval [75.38207315080624]
本稿では,フレキシブル・インタラクティブ・イメージ・リフレクション・リモーバルのための新しいフレームワークFIRMを提案する。
提案するフレームワークは,従来の対話的手法で必要とされるガイダンス時間の10%しか必要としない。
実世界のリフレクション除去データセットの結果から,提案手法が最先端のリフレクション除去性能を示すことが確認された。
論文 参考訳（メタデータ） (2024-06-03T17:34:37Z) - 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) - Two-Stage Single Image Reflection Removal with Reflection-Aware Guidance [78.34235841168031]
シングルイメージリフレクション除去(SIRR)のためのリフレクション・アウェア・ガイダンス(RAGNet)を用いた新しい2段階ネットワークを提案する。
RAGは、(i)観測からの反射の効果を緩和するために、(ii)線形結合仮説から逸脱する効果を緩和するための部分畳み込みにおいてマスクを生成するために用いられる。
5つの一般的なデータセットの実験は、最先端のSIRR法と比較して、RAGNetの量的および質的な優位性を実証している。
論文 参考訳（メタデータ） (2020-12-02T03:14:57Z) - Learning Monocular Dense Depth from Events [53.078665310545745]
イベントカメラは、強度フレームではなく、非同期イベントのストリームの形式で輝度を変化させる。
最近の学習に基づくアプローチは、単眼深度予測のようなイベントベースのデータに適用されている。
本稿では,この課題を解決するための繰り返しアーキテクチャを提案し,標準フィードフォワード法よりも大幅に改善されていることを示す。
論文 参考訳（メタデータ） (2020-10-16T12:36:23Z)
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。