PIE-Net:固有画像分解のための測光不変エッジ誘導ネットワーク【JST・京大機械翻訳】

Das Partha; Karaoglu Sezer; Gevers Theo

プレプリント

J-GLOBAL ID：202202203740680598 整理番号：22P0322891

PIE-Net:固有画像分解のための測光不変エッジ誘導ネットワーク【JST・京大機械翻訳】

PIE-Net: Photometric Invariant Edge Guided Network for Intrinsic Image Decomposition

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2022年03月30日プレプリントサーバーでの情報更新日： 2022年05月02日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

固有画像分解は,画像から画像生成成分(反射と遮光)を回復するプロセスである。以前の方法は,その損失(深層学習)によって定式化されたように,問題または暗黙制約を制約するために,明示的な事前確率を用いる。これらの方法は,遮光反射漏洩を引き起こす強い照明条件によって負に影響される。したがって,本論文では,エンドツーエンドエッジ駆動ハイブリッドCNN手法を固有画像分解のために提案する。エッジは照明不変勾配に対応する。ハードネガティブ照明遷移を処理するために,大域的および局所精密化層を含む階層的アプローチを取り上げた。学習プロセスをさらに強化するために注意層を利用した。広範なアブレーション研究および大規模実験を行い,照明不変記述子の利用および大域的および局所手がかりの分離が,ネットワークの性能の改善を助けるために,エッジ駆動ハイブリッドIIDネットワークにとって有益であることを示した。最後に,提案手法は最先端の性能の状態を獲得でき,実世界画像によく一般化できることを示した。事前訓練モデル,微調整モデルおよびネットワークコードを有するプロジェクトページを,https://ivi.fnwi.uva.nl/cv/pienet/で見つけることができた。【JST・京大機械翻訳】

, , , , , , , , , , , ,
, , , 【Automatic Indexing@JST】

図形・画像処理一般 , パターン認識

, , , , ,

前のページに戻る