본 논문에서는 냉각되지 않은 적외선 이미지에서 흔히 발생하는 불균일성(NU)을 보정하는 새롭고 효율적인 단일 이미지 알고리즘인 MIRE(Midway Infrared Equalization)를 제안합니다.
冷却型および非冷却型の赤外線画像に頻繁に見られる固定パターンノイズ(FPN)は、センサーの応答のばらつきによって発生し、画像品質を著しく低下させる。本稿では、単一画像からこのFPNを効率的に補正する新しいアルゴリズム「MIRE(Midway Infrared Equalization)」を提案する。
This paper introduces a novel, real-time, single-image algorithm called Midway Infrared Equalization (MIRE) for correcting non-uniformity in uncooled infrared images, achieving superior performance compared to existing methods by leveraging the inherent information within individual image columns and a sliding midway histogram equalization technique.
具備圖像理解能力的模型,例如透過知識蒸餾訓練的VQ-KD分詞器,在圖像生成任務中表現更出色,超越了傳統基於像素重建的VQGAN方法。
이미지 이해(IU) 모델에서 얻은 지식을 활용한 VQ-KD 기반 토크나이저가 기존의 VQGAN 기반 토크나이저보다 이미지 생성(IG) 성능이 뛰어나다.
本文提出了一種名為 ProGraph 的新框架,用於從單眼視頻重建三維人體網格,透過在視頻幀中構建人體拓撲的概率分佈來解決遮擋和模糊問題,從而顯著提高了三維人體姿態回歸的準確性。
단안 비디오에서 폐색 및 흐림 현상이 있는 상황에서도 3D 인체 메시를 정확하게 재구성하기 위해 시간적 정렬 가능성 및 그래프 토폴로지를 활용하는 새로운 프레임워크인 ProGraph를 제안합니다.
画像理解(IU)モデルから知識を抽出するように訓練されたVQ-KDトークナイザーは、従来のVQGANベースの方法よりも優れた画像生成(IG)能力を発揮する。
単眼ビデオからの3D人体再構成におけるオクルージョンやモーションブラーの問題に取り組むため、時間的に整合のとれた確率分布とグラフ位相モデリングを組み合わせた新しいフレームワーク「ProGraph」を提案する。
ProGraph is a novel framework that leverages temporally-aligned probability distribution and graph topology to reconstruct accurate and consistent 3D human body mesh from monocular videos, even in the presence of occlusions and blurriness.