文献

J-GLOBAL ID：202202278418190297   整理番号：22A0832032

現実的訓練データ生成による進行偏光ベース反射除去【JST・京大機械翻訳】

Progressive polarization based reflection removal via realistic training data generation

著者 (8件)： Pang Youxin (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, No. 95 Zhongguancun East Road, Beijing 100190, PR China) ,  Pang Youxin (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing 100049, PR China) ,  Yuan Mengke (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, No. 95 Zhongguancun East Road, Beijing 100190, PR China) ,  Yuan Mengke (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing 100049, PR China) ,  Fu Qiang (King Abdullah University of Science and Technology, Thuwal 23955-6900, Saudi Arabia) ,  Ren Peiran (Alibaba Group, 699 Wang Shang Road, Hangzhou, Zhejiang 310052, PR China) ,  Yan Dong-Ming (National Laboratory of Pattern Recognition, Institute of Automation, Chinese Academy of Sciences, No. 95 Zhongguancun East Road, Beijing 100190, PR China) ,  Yan Dong-Ming (School of Artificial Intelligence, University of Chinese Academy of Sciences, Beijing 100049, PR China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 124  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 反射効果は,ガラスまたは他の透明材料を通して写真を撮るとき避けられず,それは写真に望ましくない情報を導入する。したがって,反射の影響の除去はコンピュータビジョンにおける重要問題になる。最近の学習ベースアプローチの主な障害の一つは,現実的な訓練データの欠如である。この問題に取り組むために,単一画像反射除去のための新しいニューラルネットワークアーキテクチャと同様に新しいデータセット合成方法を導入した。最初に,より現実的で多様化した訓練データセットPOLを得るために,データセットの合成に光の偏光特性を利用した。次に,著者らは,最終的反射除去を導くために粗いバックグラウンド層を予備的に推定する,新しい進行性分極ベースの反射除去ネットワーク(P2R2Net)を設計した。本手法は,定量的および定性的実験比較を通して,最先端の単一画像反射除去法よりも良好に機能することを示した。特に,3つの代表的ベンチマークデータセットから選択した著者らの復元画像の平均PSNR:”Real20”,”SIR2”および”Nature”は,既存の方法と比較して少なくとも0.49改善され,24.52に達した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ガラス ,  *反射 ,  分極 ,  *偏光 ,  学習 ,  ネットワーク ,  偏光性 ,  画像 ,  透明材料 ,  コンピュータビジョン ,  多様化
準シソーラス用語： *訓練データ ,  ニューラルネットワークアーキテクチャ ,  *データ生成 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 深層学習 ,  反射除去 ,  分極 ,  漸進的ネットワーク ,  畳込みニューラルネットワーク

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (2件)： 訓練データ ,  偏光