最新AI論文をキャッチアップ

AI人材就職支援 vistAI

教師データを必要としない!!初の教師なしGANを使った低照明画像の光量変換!!

教師データを必要としない!!初の教師なしGANを使った低照明画像の光量変換!!

GAN(敵対的生成ネットワーク)

3つの要点
✔️ 低照度画像から通常光画像への変換に教師なし学習を導入した最初の研究
✔️ EnlightenGANはさまざまなドメインから現実世界の低照度画像を明るくできる

✔️ attentionメソッドは汎用的に視覚品質を向上させる

EnlightenGAN: Deep Light Enhancement without Paired Supervision
written by Yifan Jiang,Xinyu Gong,Ding Liu,Yu Cheng,Chen Fang,Xiaohui Shen,Jianchao Yang,Pan Zhou,Zhangyang Wang
(Submitted on 17 Jun 2019)

Comments: Published by arXiv
Subjects: Computer Vision and Pattern Recognition (cs.CV); Image and Video Processing (eess.IV)

Code

背景

暗い場所で撮影された画像は,コントラストが低く,視認性が低く,ISOノイズが高くなります。劣化を緩和するために,ヒストグラムや認知ベースのアルゴリズムなど,多数のアルゴリズムが提案されています.深層学習を使用した最先端の画像復元および拡張アプローチは超解像など合成またはキャプチャされた破損したクリーンな画像ペアに大きく依存してトレーニングします.しかしながら,同じ視覚シーンの低照度と通常光の写真を同時に撮ることは非常に困難です

研究のポイント

EnlightenGANと呼ばれる低照度画像の画質を改善するための初の教師なし生成的敵対的ネットワークを提案します.この手法は,低/通常光の画像ペアなしでトレーニングできますが,実際のさまざまなテスト画像で非常によく一般化することが証明されています.教師なし学習の画像から画像への変換では,生成的敵対的ネットワーク(GAN)を採用して正確にペアになっている画像に依存することなく低光と通常の光の画像空間間のペアなしのマッピングを構築します.これにより,制御された設定でキャプチャされた合成データまたは限られた実際のペアのデータのみを使用したトレーニングから解放されます.教師なし学習設定のおかげで,EnlightenGANはさまざまなドメインから現実世界の低照度画像を明るくするために非常に簡単に適応できます(図1).

図1.現実世界の低照度画像を教師なし学習で通常画像に変換した図(赤い線に注目!!)

続きを読むには

(4220文字画像10枚)

AI-SCHOLARに
登録いただく必要があります。

1分で無料で簡単登録する

または
高松 真 avatar
現在,情報工学を専攻している大学院生です.コンピュータービジョンやDeep Learningを研究していますが,テクノロジーXヘルスケアに大きな興味を持っており,私の興味があなたの役に立つ記事になるよう発信していきます.twitterの方でも発信しております.フォローよろしくお願いします.

記事の内容等について改善箇所などございましたら、
お問い合わせフォームよりAI-SCHOLAR編集部の方にご連絡を頂けますと幸いです。
どうぞよろしくお願いします。

お問い合わせする