Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.

関東CV勉強会ECCV2014 (Blind Deblurring using Internal Patch Recurrence)

2,449 views

Published on

関東CV勉強会
ECCV2014読み会
Blind Deblurring using Internal Patch Recurrence

Published in: Science
  • Hello! Get Your Professional Job-Winning Resume Here - Check our website! https://vk.cc/818RFv
       Reply 
    Are you sure you want to  Yes  No
    Your message goes here

関東CV勉強会ECCV2014 (Blind Deblurring using Internal Patch Recurrence)

  1. 1. 1 関東CV勉強会2014年12月6日 ECCV 2014論文紹介 Blind Deblurring using Internal Patch Recurrence 解説者 東京大学博士1年 tackson某
  2. 2. 2 発表者プロフィール • 略歴 – 東京高専から東大工学部に2年次編入 – 学部:セグメンテーション – 修士:ステレオ – 博士:3次元復元(勉強会発表本日2回目) • 興味のある分野 – 3次元形状復元・ステレオ – MRF最適化・グラフカット – セグメンテーション • Twitterアカウント
  3. 3. 3 Blind Deblurring using Internal Patch Recurrence Tomer Michaeli Michal Irani Weizmann Institute of Science, ISRAEL ECCV 2014 Oral Paper Vision系というより Signal Processing系の人
  4. 4. 4 Blind Deblurring using Internal Patch Recurrence ECCV 2014 Oral Paper
  5. 5. 5 念のための確認… ✖ デブ・ブラー ✖ 手ブラ 〇デブラー
  6. 6. 6 念のための確認… ✖ デブ・ブラー ✖ 手ブラ 〇デブラー
  7. 7. 7 Blind Deblurring/Deconvolution 観測されたBlur画像Blur kernel Sharp画像 (ピンボケ・手ぶれ) 풚 = 풌 ∗ 풙 + 풏 푦 푘 푥 ノイズ 推定 入力 Blind Deblurring ≒ Sharp画像に対するPriorの違い ex) Gradient Sparsity [Levin/Krishnan, CVPR 09,11] [Fergus/Shan, ToG 06, 08] ex) Patch Similarity [Sun+ ICCP 13]
  8. 8. 8 Patch Similarity Prior [Sun+ ICCP 13] Blur画像External Sharp Patch Pool Sharp Pool 中の 最近傍パッチ Blur画像中の パッチ Query Query 近づける ※ 実際のパッチは5x5 くらい BlurパッチがSharpパッチに近くなるようにDeblur
  9. 9. 9 PROPOSED METHOD
  10. 10. Internal Patch Recurrence Prior (提10 案) 対象画像α 倍縮小した画像 Query Sharp画像に対するPrior 最近傍 もしBlurナシなら同じパッチが縮小画像に存在 近づける 実際は… = Blur 画像だとα倍sharp なパッチが存在 ≠ 縮小画像とのパッチ類似度を最大化するようにDeblur
  11. 11. 11 念のための確認… 某KB画像でなくても 幅広く成り立つPriorです [Glasner+ ICCV 09] (超解像論文)によれば 90%のパッチ(5x5サイズ)は Sharpな自然画像 そのまま 縮小画像で10 回以上現れる (つまりこちらも5x5 パッチ) 3/4倍縮小した画像
  12. 12. 12 実際の画像例
  13. 13. 13 提案手法:コスト関数 푦 푘 푥 푥 훼 入力Blur画像推定Kernel 推定Sharp 画像 α 倍に縮小した 推定Sharp 画像 データ項 Internal Patch Recurrence Prior 項 Kernel Prior 項 min 푘 , 푥 푦 − 푘 ∗ 푥 2 + 휆1 휌 푥 , 푥 훼 + 휆2 푘 2
  14. 14. 14 提案手法:アルゴリズム Internal Patch Recurrence Prior 項 min 푘 , 푥 푦 − 푘 ∗ 푥 2 + 휆1 휌 푥 , 푥 훼 + 휆2 푘 2 Initialize: 푘 ← 훿, 푥 ← 푦 푥 훼 ← 푠ℎ푟푖푛푘훼 푥 min 푦 − 푘 ∗ 푥 푥 2 + 휆1 휌 푥 , 푥 훼 + 휆2 푘 2 min 푘 푦 − 푘 ∗ 푥 2 + 휆1 휌 푥 , 푥 훼 + 휆2 푘 2 Repeat Until Convergence Kernel データ項Prior 項
  15. 15. 15 提案手法:アルゴリズム詳細 α 倍sharp に 푥 훼 ← 푠ℎ푟푖푛푘훼 푥 min 푘 푦 − 푘 ∗ 푥 2 + 휆1 휌 푥 , 푥 훼 + 휆2 푘 2 Repeat Until Convergence 推定画像풙 α 縮小画像풙 휶 α 倍sharp なパッチ 近づける さらにα 倍sharp なパッチ 近づける min 푥 푦 − 푘 ∗ 푥 2 + 휆1 휌 푥 , 푥 훼 + 휆2 푘 2 α 倍sharp に
  16. 16. 16 EXPERIMENTS
  17. 17. 17 Gradient Sparsity External Patch Internal Patch ※ 黄色数値はエラー値(Non-Blind手法[Zoran+ ICCV 11] との相対的な誤差)
  18. 18. 18 グラフ:横軸Error Rate以下の画像の割合 Internal Patch External Patch Patch-base ではない 入力画像 ・630枚 ・だいたい1024x768 ・最大27x27 のblur 提案手法は非常にロバスト(失敗時のエラーが小さい)
  19. 19. 19 青数値:1以下→改善 1以上→改悪 “失敗例”(各手法のworst case)の比較
  20. 20. 20 Additional Results from Supplementary Material http://www.wisdom.weizmann.ac.il/~vision/BlindDeblur.html http://www.wisdom.weizmann.ac.il/~vision/BlindDeblur/VisualComparisons_ECCV2014.pdf
  21. 21. 21 Conclusions • Internal Patch Recurrence Prior: Image Deblurring のための強力なPrior • blind deblur手法のstate-of-the-art と同等の性能 • 他の手法より非常にロバスト その他 • 著者ページに実行可能コード有り(ただし実装隠蔽MATLABコード) • 最適化や実装の詳細は大幅に省いています – FFTで高速化 – Image Pyramid つくってCoarse-to-Fineに(高速化+局所解回避) – Aliasingの議論 – 超解像との根本的な違い • 著者のオーラル発表がわかりやすい!(指導教員の紹介) http://videolectures.net/eccv2014_michaeli_blind_deblurring/
  22. 22. 22 Paper Summary

×