논문리뷰35 Dehaze-GLCGAN: Unpaired single image de-hazing via adversarial training ANVARI, Z., AND ATHITSOS, V. Dehaze-glcgan: Unpaired single image de-hazing via adversarial training. arXiv preprint arXiv:2008.06632 (2020). -본 논문에서는 unpaired dataset을 활용한 image dehazing을 진행하며 Cycle-consistent manner를 활용한 Dehaze-GLCGAN을 제안하였다. -본 논문은 CycleGAN과 동일하게 2개의 Generator(haze->clean, clean->haze)를 이용한 cycle-consistent manner를 활용하였다(그림 1 참조). Generator, 본 논문에서 본래 영상의 texture, structure, .. 2021. 3. 18. Towards Unsupervised Deep Image Enhancement With Generative Adversarial Network Z. Ni, W. Yang, S. Wang, L. Ma and S. Kwong, "Towards Unsupervised Deep Image Enhancement With Generative Adversarial Network," in IEEE Transactions on Image Processing, vol. 29, pp. 9140-9151, 2020, doi: 10.1109/TIP.2020.3023615. -본 논문에서는 unpaired dataset을 활용한 image enhancement를 진행하며 UEGAN(Unsupervised image enhancement GAN) 네트워크를 제안하였다. 입력 영상을 타겟 영상(unpaired)으로부터 전이하고자 하는 특징(desired characteri.. 2021. 3. 17. Learning Dual Transformation Networks for Image Contrast Enhancement Learning Dual Transformation Networks for Image Contrast Enhancement -Authors: Yurui Zhu, Xueyang Fe and Aiping Liu -본 논문에서는 단일 영상 대비 향상을 위한 CNN 기반 네트워크를 제안하며, 기존의 CNN 기법들이 가장 기본적인 convolutional operation이나 영상의 local feature만 탐색하는 제한적인 방식에서 벗어나, 2가지 parallel branch를 통해 한 가지는 global contrast를 향상시키기 위해 global transformation curve를 재구성하고, 다른 한가지는 local detail를 복원하기 위해 pixel offset을 directly predict.. 2020. 12. 2. PieNet: Personalized Image Enhancement Network PieNet: Personalized Image Enhancement Network Authors: Han-Ul Kim, Young Jun Koh, and Chang-Su Kim -본 논문에서는 딥러닝 기반 personalized image enhancement 기법을 제안하며, 각 사람들 마다 영상에 대한 선호가 모두 다르기 때문에 먼저 사람 별로 영상에 대한 user preferences를 feature vector(preference vector)로 metric learning을 통해 embedding space에 모델링한다. 여기서 preference vector는 해당 사영자의 선호하는 enhancement style을 전달하는 역할을 수행한다. 다음으로 제안하는 네트워크 PieNet는 pref.. 2020. 12. 2. 이전 1 2 3 4 ··· 9 다음
