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 NTIRE 2019 challenge on real image denoising with focus on the proposed methods and their results. The challenge has two tracks for quantitatively evaluating image denoising performance in (1) the Bayer-pattern raw-RGB and (2) the standard RGB (sRGB) color spaces. The tracks had 216 and 220 registered participants, respectively. A total of 15 teams, proposing 17 methods, competed in the final phase of the challenge. The proposed methods by the 15 teams represent the current state-of-the-art performance in image denoising targeting real noisy images.
Abdelhamed, A., Timofte, R., Brown, M., Yu, S., Park, B., Jeong, J., et al. (2019). NTIRE 2019 challenge on real image denoising: Methods and results. In IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops (pp.2197-2210). IEEE Computer Society [10.1109/CVPRW.2019.00273].
NTIRE 2019 challenge on real image denoising: Methods and results
Abdelhamed A.;Timofte R.;Brown M. S.;Yu S.;Park B.;Jeong J.;Jung S. -W.;Kim D. -W.;Chung J. -R.;Liu J.;Wang Y.;Wu C. -H.;Xu Q.;Wang C.;Cai S.;DIng Y.;Fan H.;Wang J.;Zhang K.;Zuo W.;Zhussip M.;Park D. W.;Soltanayev S.;Chun S. Y.;Xiong Z.;Chen C.;Haris M.;Akita K.;Yoshida T.;Shakhnarovich G.;Ukita N.;Zamir S. W.;Arora A.;Khan S.;Khan F. S.;Shao L.;Ko S. -J.;Lim D. -P.;Kim S. -W.;Ji S. -W.;Lee S. -W.;Tang W.;Fan Y.;Zhou Y.;Liu D.;Huang T. S.;Meng D.;Zhang L.;Yong H.;Zhao Y.;Tang P.;Lu Y.;Schettini R.;Bianco S.;Zini S.;Li C.;Wang Y.;Cao Z.
2019
Abstract
This paper reviews the NTIRE 2019 challenge on real image denoising with focus on the proposed methods and their results. The challenge has two tracks for quantitatively evaluating image denoising performance in (1) the Bayer-pattern raw-RGB and (2) the standard RGB (sRGB) color spaces. The tracks had 216 and 220 registered participants, respectively. A total of 15 teams, proposing 17 methods, competed in the final phase of the challenge. The proposed methods by the 15 teams represent the current state-of-the-art performance in image denoising targeting real noisy images.
Abdelhamed, A., Timofte, R., Brown, M., Yu, S., Park, B., Jeong, J., et al. (2019). NTIRE 2019 challenge on real image denoising: Methods and results. In IEEE Computer Society Conference on Computer Vision and Pattern Recognition Workshops (pp.2197-2210). IEEE Computer Society [10.1109/CVPRW.2019.00273].
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/10281/274007
Citazioni
74
36
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 2023-2025 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.
