論文の概要: NTIRE 2020 Challenge on Spectral Reconstruction from an RGB Image
- arxiv url: http://arxiv.org/abs/2005.03412v1
- Date: Thu, 7 May 2020 12:23:56 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-06 00:01:25.362275
- Title: NTIRE 2020 Challenge on Spectral Reconstruction from an RGB Image
- Title(参考訳): rgb画像からのスペクトル再構成に関するntire 2020チャレンジ
- Authors: Boaz Arad, Radu Timofte, Ohad Ben-Shahar, Yi-Tun Lin, Graham
Finlayson, Shai Givati, and others
- Abstract要約: 本稿では,RGB画像からのスペクトル再構成に関する第2の課題についてレビューする。
3チャンネルのRGB画像から全シーンハイパースペクトル(HS)情報を復元する。
新しい、より大きく、自然なハイパースペクトル画像データセットが提示される。
- 参考スコア(独自算出の注目度): 61.71186808848108
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper reviews the second challenge on spectral reconstruction from RGB
images, i.e., the recovery of whole-scene hyperspectral (HS) information from a
3-channel RGB image. As in the previous challenge, two tracks were provided:
(i) a "Clean" track where HS images are estimated from noise-free RGBs, the RGB
images are themselves calculated numerically using the ground-truth HS images
and supplied spectral sensitivity functions (ii) a "Real World" track,
simulating capture by an uncalibrated and unknown camera, where the HS images
are recovered from noisy JPEG-compressed RGB images. A new, larger-than-ever,
natural hyperspectral image data set is presented, containing a total of 510 HS
images. The Clean and Real World tracks had 103 and 78 registered participants
respectively, with 14 teams competing in the final testing phase. A description
of the proposed methods, alongside their challenge scores and an extensive
evaluation of top performing methods is also provided. They gauge the
state-of-the-art in spectral reconstruction from an RGB image.
- Abstract(参考訳): 本稿では,RGB画像からのスペクトル再構成,すなわち3チャンネルRGB画像からの全シーンハイパースペクトル(HS)情報の回復に関する第2の課題について述べる。
以前の挑戦と同様に2線が設けられた。
(i)ノイズのないrgbからhs画像を推定し、rgb画像自体を接地hs画像と供給されたスペクトル感度関数を用いて数値計算する「クリーン」トラック
(II) ノイズの多いJPEG圧縮RGB画像からHS画像が回収される未校正で未知のカメラによるキャプチャーをシミュレートする「リアルワールド」トラック。
総計510 HS画像を含む、より大きく、より大きく、自然なハイパースペクトル画像データセットが提示される。
クリーンワールドとリアルワールドのトラックには、それぞれ103と78の登録参加者があり、14チームが最終テストフェーズに出場した。
また,提案手法について,チャレンジスコアと合わせて記述し,トップパフォーマンス手法の広範な評価を行った。
彼らはRGB画像からスペクトル再構成の最先端を計測する。
関連論文リスト
- Limitations of Data-Driven Spectral Reconstruction -- Optics-Aware Analysis and Mitigation [22.07699685165064]
コスト効率のよいRGBカメラで撮影したRGB画像からスペクトル情報を抽出することを目的とした,データ駆動型スペクトル再構成の最近の取り組み。
我々は、現在のデータセットとオーバーフィッティングに関する実用的制限と、RGB画像に符号化された情報の性質に関する基本的な制限の両方を評価する。
本稿では,メタデータデータ拡張と光学レンズ収差の組み合わせを利用して,RGB画像へのメタデータ情報の符号化を改善することを提案する。
論文 参考訳(メタデータ) (2024-01-08T11:46:45Z) - Symmetric Uncertainty-Aware Feature Transmission for Depth
Super-Resolution [52.582632746409665]
カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。
本手法は最先端の手法と比較して優れた性能を実現する。
論文 参考訳(メタデータ) (2023-06-01T06:35:59Z) - Reversed Image Signal Processing and RAW Reconstruction. AIM 2022
Challenge Report [109.2135194765743]
本稿では,AIM 2022 Challenge on Reversed Image Signal Processing and RAW Reconstructionを紹介する。
我々は,メタデータを使わずにRGBから生のセンサイメージを回収し,ISP変換を「逆」することを目的としている。
論文 参考訳(メタデータ) (2022-10-20T10:43:53Z) - Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB
Images in the Wild [48.44194221801609]
この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。
我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。
提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
論文 参考訳(メタデータ) (2021-08-15T05:19:44Z) - Tuning IR-cut Filter for Illumination-aware Spectral Reconstruction from
RGB [84.1657998542458]
再現精度は、使用中のRGBカメラのスペクトル応答に大きく依存していることが証明されている。
本稿では,既存のrgbカメラのフィルタアレイに基づくカラーイメージング機構を調査し,irカットフィルタの設計方法を提案する。
論文 参考訳(メタデータ) (2021-03-26T19:42:21Z) - BOP Challenge 2020 on 6D Object Localization [56.591561228575635]
BOP Challenge 2020は、RGB-D画像から6Dオブジェクトのポーズを推定する分野における現状を捉えることを目標とする、一連の公開コンペティションの3番目である。
参加者はBlenderProc4BOPが生成した350Kのトレーニング画像、新しいオープンソースで軽量な物理ベース(PBR)と手続きデータジェネレータが提供された。
トップパフォーマンスの手法はRGB-D画像チャンネルに依存しているが、トレーニングとテストの両方でRGBチャンネルのみを使用した場合、強い結果が得られた。
論文 参考訳(メタデータ) (2020-09-15T22:35:14Z) - Hierarchical Regression Network for Spectral Reconstruction from RGB
Images [21.551899202524904]
我々は,PixelShuffle層を用いた4レベル階層回帰ネットワーク(HRNet)を階層間相互作用として提案する。
NTIRE 2020 Challenge on Spectral Reconstruction from RGB Images に参加して,他のアーキテクチャや技術を用いたHRNetの評価を行った。
論文 参考訳(メタデータ) (2020-05-10T16:06:11Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。