- …
- …
#423
summarized by : Masaki Miyamoto
どんな論文か？
単一画像から雨を除去するタスクにおいて，ディープラーニングはこの問題に対して効果的であるが，既存の手法は訓練時に合成雨があるものとないもので，多数の画像ペアのセットが必要である．それは合成雨のパターンのみの学習にバイアスがかかり，現実の雨のサンプルでは適用しにくくなるという欠点になる．本稿ではその問題に対し，半教師付き学習パラダイムを提案する．また，実際の雨画像をネットワークプロセスに入れる．
新規性
・本稿ははSIRRタスクのためのドメイン適応問題に注目する最初の研究である．我々は雨の除去のための半教師つき移動学習フレームワークを最初に提案する．
•私たちは、教師付きと教師なしの知識を同時に画像復元タスクに利用するための全体的な手法を提案する．
•提案モデルを解くために、期待値最大化アルゴリズムと勾配降下法を組み合わせて設計する．
結果
2つのデータセットである，DenseとSparseを用いて既存の手法であるDSC,LP,JORDER,CNN,JBO,DID-MDNと提案手法を比べた結果，PSNR値はどちらのデータセットにおいても提案手法の方が既存の手法より上回るという結果になった．
その他（なぜ通ったか？等）
- …
- …