Attenzione: i dati modificati non sono ancora stati salvati. Per confermare inserimenti o cancellazioni di voci è necessario confermare con il tasto SALVA LE MODIFICHE in fondo alla pagina
Bicocca Open Archive
This paper reviews the first NTIRE challenge on perceptual image enhancement with the focus on proposed solutions and results. The participating teams were solving a real-world photo enhancement problem, where the goal was to map low-quality photos from the iPhone 3GS device to the same photos captured with Canon 70D DSLR camera. The considered problem embraced a number of computer vision subtasks, such as image denoising, image resolution and sharpness enhancement, image color/contrast/exposure adjustment, etc. The target metric used in this challenge combined PSNR and SSIM scores with solutions' perceptual results measured in the user study. The proposed solutions significantly improved baseline results, defining the state-of-the-art for practical image enhancement.
Ignatov, A., Timofte, R., Qu, X., Zhou, X., Liu, T., Wan, P., et al. (2019). NTIRE 2019 challenge on image enhancement: Methods and results. In IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops (pp.2224-2232). IEEE Computer Society [10.1109/CVPRW.2019.00275].
NTIRE 2019 challenge on image enhancement: Methods and results
Ignatov A.;Timofte R.;Qu X.;Zhou X.;Liu T.;Wan P.;Zamir S. W.;Arora A.;Khan S.;Khan F. S.;Shao L.;Park D.;Chun S. Y.;Michelini P. N.;Liu H.;Zhu D.;Zhong Z.;Liu X.;Jiang J.;Zhao D.;Haris M.;Akita K.;Yoshida T.;Shakhnarovich G.;Ukita N.;Liu J.;Jung C.;Schettini R.;Bianco S.;Cusano C.;Piccoli F.;Liu P.;Zhang K.;Liu J.;Liu J.;Zhang H.;Zuo W.;Bow N. C. N.;Wong L. -K.;See J.;Qin J.;Huang L.;Shi Y.;Wei P.;Wen W.;Lin L.;Hui Z.;Wang X.;Gao X.;Kumari K.;Anand V. K.;Khened M.;Krishnamurthi G.
2019
Abstract
This paper reviews the first NTIRE challenge on perceptual image enhancement with the focus on proposed solutions and results. The participating teams were solving a real-world photo enhancement problem, where the goal was to map low-quality photos from the iPhone 3GS device to the same photos captured with Canon 70D DSLR camera. The considered problem embraced a number of computer vision subtasks, such as image denoising, image resolution and sharpness enhancement, image color/contrast/exposure adjustment, etc. The target metric used in this challenge combined PSNR and SSIM scores with solutions' perceptual results measured in the user study. The proposed solutions significantly improved baseline results, defining the state-of-the-art for practical image enhancement.
Ignatov, A., Timofte, R., Qu, X., Zhou, X., Liu, T., Wan, P., et al. (2019). NTIRE 2019 challenge on image enhancement: Methods and results. In IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops (pp.2224-2232). IEEE Computer Society [10.1109/CVPRW.2019.00275].
I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.
Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/10281/273975
Citazioni
26
15
Social impact
Conferma cancellazione
Sei sicuro che questo prodotto debba essere cancellato?
simulazione ASN
Il report seguente simula gli indicatori relativi alla propria produzione scientifica in relazione alle soglie ASN 2021-2023 del proprio SC/SSD. Si ricorda che il superamento dei valori soglia (almeno 2 su 3) è requisito necessario ma non sufficiente al conseguimento dell'abilitazione. La simulazione si basa sui dati IRIS e sugli indicatori bibliometrici alla data indicata e non tiene conto di eventuali periodi di congedo obbligatorio, che in sede di domanda ASN danno diritto a incrementi percentuali dei valori. La simulazione può differire dall'esito di un’eventuale domanda ASN sia per errori di catalogazione e/o dati mancanti in IRIS, sia per la variabilità dei dati bibliometrici nel tempo. Si consideri che Anvur calcola i valori degli indicatori all'ultima data utile per la presentazione delle domande.
La presente simulazione è stata realizzata sulla base delle specifiche raccolte sul tavolo ER del Focus Group IRIS coordinato dall’Università di Modena e Reggio Emilia e delle regole riportate nel DM 598/2018 e allegata Tabella A. Cineca, l’Università di Modena e Reggio Emilia e il Focus Group IRIS non si assumono alcuna responsabilità in merito all’uso che il diretto interessato o terzi faranno della simulazione. Si specifica inoltre che la simulazione contiene calcoli effettuati con dati e algoritmi di pubblico dominio e deve quindi essere considerata come un mero ausilio al calcolo svolgibile manualmente o con strumenti equivalenti.