Towards Efficient and Scale-Robust Ultra-High-Definition Image Demoireing

要約

モバイルデバイスの急速な発展に伴い、最近広く使用されている携帯電話では、通常、ユーザーは4K解像度（つまり、超高解像度）の画像をキャプチャできます。
ただし、低レベルの視覚では困難な作業である画像の解体については、既存の作業は通常、低解像度または合成画像で実行されます。
したがって、4K解像度の画像に対するこれらの方法の有効性はまだ不明です。
この論文では、超高精細画像のモアレパターン除去について説明します。
この目的のために、5,000の実世界の4K解像度画像ペアを含む最初の超高解像度デモイアリングデータセット（UHDM）を提案し、現在の最先端の方法に関するベンチマーク調査を実施します。
さらに、4Kモアレ画像に取り組むための効率的なベースラインモデルESDNetを提示します。ここでは、モアレパターンのスケール変動に対処するためのセマンティックアラインされたスケール認識モジュールを構築します。
広範な実験により、私たちのアプローチの有効性が明らかになりました。これは、最先端の方法を大幅に上回り、しかもはるかに軽量です。
コードとデータセットはhttps://xinyu-andy.github.io/uhdm-pageで入手できます。

要約(オリジナル)

With the rapid development of mobile devices, modern widely-used mobile phones typically allow users to capture 4K resolution (i.e., ultra-high-definition) images. However, for image demoireing, a challenging task in low-level vision, existing works are generally carried out on low-resolution or synthetic images. Hence, the effectiveness of these methods on 4K resolution images is still unknown. In this paper, we explore moire pattern removal for ultra-high-definition images. To this end, we propose the first ultra-high-definition demoireing dataset (UHDM), which contains 5,000 real-world 4K resolution image pairs, and conduct a benchmark study on current state-of-the-art methods. Further, we present an efficient baseline model ESDNet for tackling 4K moire images, wherein we build a semantic-aligned scale-aware module to address the scale variation of moire patterns. Extensive experiments manifest the effectiveness of our approach, which outperforms state-of-the-art methods by a large margin while being much more lightweight. Code and dataset are available at https://xinyu-andy.github.io/uhdm-page.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google