| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2025-03-03 11:20 ［ポスター講演］深層学習を用いた実写動画像ブレ補正のための疑似アーティファクトとデータ拡張 ○森山蒼汰・市毛弘一（横浜国大）  EA2024-117 SIP2024-152 SP2024-58 |
|
| 抄録 | （和） | 本稿では，深層学習を用いた動画像のブレ補正モデルに対し，実写動画像へ適用するための前処理として，実写動画像に特有のアーティファクトを模擬したデータ拡張手法を提案する．深層学習を用いた動画像ブレ補正の分野の従来手法において，トレーニング時のデータセットと同一のドメインのテストデータセットで高い精度を示した手法は，それを実写動画像で推論した場合には精度が低下するという汎化性能の低さが問題となっていた． そこで，実写動画像にはトレーニングデータセットに含まれていない圧縮ノイズや画像処理アーティファクトが含まれていると仮定し，これらの実写動画像特有の劣化を模擬したデータ変換をトレーニング時に適用するデータ拡張手法を従来手法に導入する． 本研究では，実写動画像の一例として，市販のスマートフォンで撮影された動画像を用いた未知のテストデータを用意し，データ拡張手法を導入した手法で推論を行うことで，実写動画像におけるブレ補正の推定精度の向上を目指す． |
| （英） | This paper proposes a data augmentation method that simulates artifacts specific to real-world videos as a preprocessing step for applying a deep learning-based video deblurring method to real-world videos. Conventional methods in video deblurring using deep learning have suffered from poor generalization performance. Even if a video deblurring method shows high accuracy on a test dataset in the same domain as the training dataset, it will show less accuracy when inferring real-world test videos. Therefore, we assume that real-world videos contain compression noise and image processing artifacts not included in training deblurring datasets. We introduce a data augmentation method that applies data transformations simulating these real-world video-specific degradations during training. In this study, we prepare unknown test data using video captured by a commercially available smartphone as an example of real-world videos. Then, we aim to improve the estimation accuracy of deblurring in real-world videos by performing inference using our data augmentation method. |
|
| キーワード | （和） | ブレ補正 / 画像修復 / 深層学習 / ドメイン汎化 / データ拡張 / / / |
| （英） | Deblurring / Image restoration / Deep learning / Domain generalization / Data augmentation / / / | |
| 文献情報 | 信学技報, vol. 124, no. 390, SIP2024-152, pp. 251-256, 2025年3月. | |
| 資料番号 | SIP2024-152 | |
| 発行日 | 2025-02-23 (EA, SIP, SP) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | EA2024-117 SIP2024-152 SP2024-58 |
|
| 研究会情報 | |
| 研究会 | EA SIP SP IPSJ-SLP |
| 開催期間 | 2025-03-02 - 2025-03-04 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | |
| テーマ（和） | 応用／電気音響, 信号処理，音声，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | SIP |
| 会議コード | 2025-03-EA-SIP-SP-SLP |
| 本文の言語 | 日本語 |
| タイトル（和） | 深層学習を用いた実写動画像ブレ補正のための疑似アーティファクトとデータ拡張 |
| サブタイトル（和） | |
| タイトル（英） | Pseudo Artifacts and Data Augmentation for Real-World Video Deblurring Using Deep Learning |
| サブタイトル（英） | |
| キーワード(1)（和/英） | ブレ補正 / Deblurring |
| キーワード(2)（和/英） | 画像修復 / Image restoration |
| キーワード(3)（和/英） | 深層学習 / Deep learning |
| キーワード(4)（和/英） | ドメイン汎化 / Domain generalization |
| キーワード(5)（和/英） | データ拡張 / Data augmentation |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 森山 蒼汰 / Sota Moriyama / モリヤマ ソウタ |
| 第1著者 所属（和/英） | 横浜国立大学 (略称： 横浜国大) Yokohama National University (略称： YNU) |
| 第2著者 氏名（和/英/ヨミ） | 市毛 弘一 / Koichi Ichige / イチゲ コウイチ |
| 第2著者 所属（和/英） | 横浜国立大学 (略称： 横浜国大) Yokohama National University (略称： YNU) |
| 講演者 | 第1著者 |
| 発表日時 | 2025-03-03 11:20:00 |
| 発表時間 | 80分 |
| 申込先研究会 | SIP |
| 資料番号 | EA2024-117, SIP2024-152, SP2024-58 |
| 巻番号（vol） | vol.124 |
| 号番号（no） | no.389(EA), no.390(SIP), no.391(SP) |
| ページ範囲 | pp.251-256 |
| ページ数 | 6 |
| 発行日 | 2025-02-23 (EA, SIP, SP) |
[研究会発表申込システムのトップページに戻る]