Core Concepts
大気乱流と水乱流の一般的な無監督ターボ除去のためのニューラルネットワークモデルNeRTを提案する。NeRTは物理的に正しい傾き-ぼかしモデルに基づいて、少数の歪んだ入力画像から、きれいで歪みのない画像を再構築することができる。
Abstract
本論文では、大気乱流と水乱流の一般的な無監督ターボ除去のためのニューラルネットワークモデルNeRTを提案している。NeRTは以下の特徴を持つ:
物理的に正しい傾き-ぼかしモデルに基づいて設計されており、従来の手法よりも優れた性能を発揮する。
歪んだ入力画像のみを使用し、ペアとなる正解画像を必要としない完全な無監督学習が可能。
大気乱流と水乱流の両方に対応し、様々な環境下でも高い汎化性能を発揮する。
時間的・空間的な傾きとぼかしを推定するグリッド変形器、画像生成器、シフト変動ぼかしの3つの主要コンポーネントから構成される。
2段階の最適化プロセスにより、新しい入力フレームに対して高速な推論が可能。
実験の結果、NeRTは大気乱流と水乱流の両方において、最先端の監督学習手法や最適化ベースの手法を上回る性能を示した。さらに、制御されていない環境下の水面反射乱流の除去にも効果的であることが確認された。
Stats
大気乱流の強さを表すD/r0が1.5の場合、PSNRは26.133dB、SSIMは0.871
大気乱流の強さを表すD/r0が3.0の場合、PSNRは25.304dB、SSIMは0.846
大気乱流の強さを表すD/r0が4.5の場合、PSNRは24.006dB、SSIMは0.801
Quotes
"NeRTは物理的に正しい傾き-ぼかしモデルに基づいて設計されており、従来の手法よりも優れた性能を発揮する。"
"NeRTは歪んだ入力画像のみを使用し、ペアとなる正解画像を必要としない完全な無監督学習が可能。"
"NeRTは大気乱流と水乱流の両方に対応し、様々な環境下でも高い汎化性能を発揮する。"