文献

J-GLOBAL ID：201702225570515803   整理番号：17A1772893

動的シーンぼけ除去のための深いマルチスケール畳込みニューラルネットワーク【Powered by NICT】

Deep Multi-scale Convolutional Neural Network for Dynamic Scene Deblurring

著者 (3件)： Nah Seungjun ,  Kim Tae Hyun ,  Lee Kyoung Mu
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： CVPR  ページ： 257-265  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 一般的動的シーンのための不均一ブラインドぼけ除去はぼけは,複数の物体の運動だけでなく,手ぶれ,シーン深さ変化から生じるので,挑戦的なコンピュータ視覚問題である。これらの複雑な動きぼけを除去するために,従来のエネルギー最適化に基づく方法は,簡単な仮定に依存しているぼけカーネルは部分的に均一または局所的に線形であった。さらに,最近の機械学習に基づく方法は,これらの仮定の下で生成した合成ぼけデータセットに依存する。これは従来のぼけ除去手法では,ぼけを除去できないぼけカーネルである近似またはパラメータ化することは困難である(例えば物体運動境界)になった。本研究では,ぼけは各種要因により発生した,エンドツーエンド方式での鋭い画像を回復させるマルチスケール畳込みニューラルネットワークを提案した。まとめると,従来の粗から精へのアプローチを模倣するマルチスケール損失関数を提示した。さらに,現実的なぼけ画像の対と高速度カメラにより得られた対応するグランドトルース鋭い画像を提供する新しい大規模データセットを提案した。このデータセット上で訓練された提案したモデルを用いて,著者らは,この方法が定性的にだけでなく,定量的にない動画像ぼけ除去における最先端技術の性能を達成することを実験的に実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *畳込み ,  コンピュータビジョン ,  損失関数 ,  *ニューラルネットワーク ,  機械学習 ,  高速度カメラ ,  線形性 ,  パラメタリゼーション ,  エンドツーエンド方式 ,  動画像 ,  画像
準シソーラス用語： グランドトゥルース ,  手振れ ,  *マルチスケール ,  *ぼけ修正 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (4件)： シーン ,  ぼけ除去 ,  マルチスケール ,  畳込みニューラルネットワーク