豪雨顔画像復元:物理的劣化モデルと顔成分誘導敵対学習の統合【JST・京大機械翻訳】

Son Chang-Hwan; Jeong Da-Hee

プレプリント

J-GLOBAL ID：202202218916340540 整理番号：22P0333595

豪雨顔画像復元:物理的劣化モデルと顔成分誘導敵対学習の統合【JST・京大機械翻訳】

Heavy Rain Face Image Restoration: Integrating Physical Degradation Model and Facial Component Guided Adversarial 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 (2件)： ,
資料名：
発行年： 2022年04月18日プレプリントサーバーでの情報更新日： 2022年04月18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)

視覚監視のためのインテリジェントCCTVの最近の増加によって,分解能変換と合成降雨モデルを統合する新しい画像劣化が必要である。例えば,豪雨では,距離からCCTVによって捕捉された顔画像は,可視度と分解能の両方で大きな劣化を持つ。従来の画像劣化モデル(IDM)と異なり,降雨除去と超分解能のような,本研究は,スケール意識豪雨モデルとして参照される新しいIDMを取り上げ,低解像度豪雨顔画像(LRHR-FI)から高解像度顔画像(HR-FI)を復元する方法を提案した。この目的のために,2段階ネットワークを提示した。第一段階は,低解像度顔画像(LR-FI)を生成し,そこから豪雨をLRHR-FIから除去して可視度を改善した。これを実現するために,解釈可能なIDMベースネットワークを構築し,降雨ストリーク,伝送マップ,および大気光のような物理的パラメータを予測した。さらに,画像再構成損失を評価し,物理的パラメータの推定を強化した。第2段階では,第一段階で出力されたLR-FIからHR-FIを再構成することを目的とする,顔成分誘導広告学習(FCGAL)を適用して,顔構造表現をブーストした。有益な顔の特徴に焦点を当て,眼や鼻のような顔成分の信頼度を強化するため,FCGALのために顔構文誘導発電機と顔局所識別器を設計した。実験結果は,物理的ベースのネットワーク設計とFCGALに基づく提案した方式が豪雨を除去でき,同時に分解能と可視度を増加させることができることを検証した。さらに,提案した重雨顔画像復元は,豪雨除去,画像-画像変換,および超解像の最先端のモデルより優れている。【JST・京大機械翻訳】

, , , , , , , , , , , , , ,

図形・画像処理一般 , パターン認識

, , , , , , , ,

前のページに戻る