デュアルサンプル増強コントラスト学習による詳細回復画像消去【JST・京大機械翻訳】

Shen Yiyang; Wei Mingqiang; Deng Sen; Yang Wenhan; Wang Yongzhen; Zhang Xiao-Ping; Wang Meng; Qin Jing

プレプリント

J-GLOBAL ID：202202216230588420 整理番号：22P0327194

デュアルサンプル増強コントラスト学習による詳細回復画像消去【JST・京大機械翻訳】

Detail-recovery Image Deraining via Dual Sample-augmented Contrastive Learning

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 (8件)： , , , , , , ,
資料名：
発行年： 2022年04月06日プレプリントサーバーでの情報更新日： 2023年02月14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)

雨画像コンテンツの厳しさは,しばしば,レムナント降雨,誤って取り除かれた詳細,および歪んだ外観を含む画像劣化に対する切断エッジ脱線モデルを導く。このような劣化は,実世界の雨画像に合成データで訓練されたモデルを適用するとき,さらに悪化する。合成と実世界の降雨画像の間の2種類の領域ギャップを観察した:一つは降雨ストリークパターンに存在する;もう一つは雨のない画像の画素レベル外観である。2つのドメインギャップを橋渡しするために,二重サンプル増強コントラスト学習による半教師つき詳細回復画像雑音除去ネットワーク(Semi-DRDNet)を提案した。半DRDNetは3つのサブネットワークから成る:i)レムナントのない降雨ストリークを除去するため,スクイーズと励起に基づく降雨残差ネットワーク;ii)損失した詳細をリターンに奨励するために,構造詳細文脈集約ベースの詳細修復ネットワークを構築した。著者らの知る限り,これは初めてである;およびiii)降雨ストリークとクリーンバックグラウンドの両方に対する効率的な対比制約の構築のために,新しい二重サンプル増強コントラスト正則化ネットワークを利用した。半DRDNetは,ロバスト性と詳細精度を解読することに関して,合成と実世界の雨データの両方でスムーズに動作した。著者らが確立した実際の200を含む4つのデータセットの比較は,半DRDNetの15の最先端技術の明白な改良を示した。コードとデータセットはhttps://github.com/syy whu/DRD Netで利用可能である。【JST・京大機械翻訳】

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

図形・画像処理一般

, , , , , ,

前のページに戻る