論文の概要: Learning a Reinforced Agent for Flexible Exposure Bracketing Selection

• arxiv url: http://arxiv.org/abs/2005.12536v1
• Date: Tue, 26 May 2020 06:24:42 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 00:13:35.828965
• Title: Learning a Reinforced Agent for Flexible Exposure Bracketing Selection
• Title（参考訳）: フレキシブル露光ブラケット選択のための強化エージェントの学習
• Authors: Zhouxia Wang, Jiawei Zhang, Mude Lin, Jiong Wang, Ping Luo, and Jimmy Ren
• Abstract要約: 本稿では,EBSNetと呼ばれる露光ブラケットを自動的に選択する新しいディープニューラルネットワークを提案する。 単一自動露光プレビュー画像から抽出した照明情報と意味情報を利用することで、EBSNetはマルチ露光融合のための最適露光ブラケットを選択することができる。
• 参考スコア（独自算出の注目度）: 25.156664217128654
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Automatically selecting exposure bracketing (images exposed differently) is important to obtain a high dynamic range image by using multi-exposure fusion. Unlike previous methods that have many restrictions such as requiring camera response function, sensor noise model, and a stream of preview images with different exposures (not accessible in some scenarios e.g. some mobile applications), we propose a novel deep neural network to automatically select exposure bracketing, named EBSNet, which is sufficiently flexible without having the above restrictions. EBSNet is formulated as a reinforced agent that is trained by maximizing rewards provided by a multi-exposure fusion network (MEFNet). By utilizing the illumination and semantic information extracted from just a single auto-exposure preview image, EBSNet can select an optimal exposure bracketing for multi-exposure fusion. EBSNet and MEFNet can be jointly trained to produce favorable results against recent state-of-the-art approaches. To facilitate future research, we provide a new benchmark dataset for multi-exposure selection and fusion.
• Abstract（参考訳）: マルチ露光融合を用いて高ダイナミックレンジ画像を得るためには、露光ブラケットの自動選択(異なる露光画像)が重要である。 カメラ応答関数、センサノイズモデル、異なる露光を伴うプレビュー画像のストリーム(一部のモバイルアプリケーションではアクセスできない)といった多くの制約を持つ従来の方法とは異なり、上記の制限を伴わずに十分な柔軟性を持つEBSNetという名の露光ブラケットを自動的に選択する新しいディープニューラルネットワークを提案する。 EBSNetは、マルチ露光融合ネットワーク(MEFNet)が提供する報酬を最大化することによって訓練される強化エージェントとして定式化される。 単一自動露光プレビュー画像から抽出した照明情報と意味情報を利用して、EBSNetはマルチ露光融合のための最適露光ブラケットを選択することができる。 EBSNetとMEFNetは共同でトレーニングすることで、最近の最先端アプローチに対して良好な結果を得ることができる。 今後の研究を容易にするため、マルチ露光選択と融合のための新しいベンチマークデータセットを提供する。

関連論文リスト

• Unsupervised Learning Based Multi-Scale Exposure Fusion [9.152843503286796]
  教師なし学習に基づくマルチスケール露光融合(ULMEF)は、高ダイナミックレンジシーンのための高画質のLDR画像に異なる露光低ダイナミックレンジ(LDR)画像を融合するのに効率的である。 本稿では,ALMEFに対して新たな損失関数を提案し,同じHDRシーンからのすべての画像と他の異なる露光画像を融合して定義する。
  論文  参考訳（メタデータ） (2024-09-26T13:29:40Z)
• SAFNet: Selective Alignment Fusion Network for Efficient HDR Imaging [14.466061918935937]
  HDRイメージングのためのSAFNet(Selective Alignment Fusion Network)を提案する。 モデルは価値ある領域を見つけることに集中し、容易に検出可能で意味のある動きを推定する。 公開および新たに開発された挑戦的データセットの実験では、提案されたSAFNetは、以前のSOTAコンペティターを定量的かつ質的に上回るだけでなく、桁違いに高速に動作している。
  論文  参考訳（メタデータ） (2024-07-23T09:02:35Z)
• Exposure Bracketing is All You Need for Unifying Image Restoration and Enhancement Tasks [50.822601495422916]
  本稿では,露光ブラケット写真を利用して画像復元と拡張作業を統合することを提案する。 実世界のペアの収集が困難であるため,まず合成ペアデータを用いてモデルを事前学習する手法を提案する。 特に,時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Neural Image Re-Exposure [86.42475408644822]
  不適切なシャッターは、ぼやけた画像、ビデオの不連続、あるいはローリングシャッターアーティファクトにつながる可能性がある。 ニューラルネットワークに基づく画像再露法フレームワークを提案する。 視覚的潜在空間構築のためのエンコーダ、所望のシャッター戦略でニューラルフィルムに情報を集約する再露光モジュール、およびニューラルフィルムを所望の画像に「展開」するためのデコーダから構成される。
  論文  参考訳（メタデータ） (2023-05-23T01:55:37Z)
• Inverting the Imaging Process by Learning an Implicit Camera Model [73.81635386829846]
  本稿では,ディープニューラルネットワークとしてのカメラの物理画像処理を表現した,新しい暗黙カメラモデルを提案する。 本稿では,この暗黙カメラモデルが2つの逆撮像タスクに与える影響を実演する。
  論文  参考訳（メタデータ） (2023-04-25T11:55:03Z)
• Robustifying the Multi-Scale Representation of Neural Radiance Fields [86.69338893753886]
  実世界の画像の両問題を克服するために,頑健なマルチスケールニューラルラジアンス場表現手法を提案する。 提案手法は,NeRFにインスパイアされたアプローチを用いて,マルチスケール画像効果とカメラ位置推定問題に対処する。 例えば、日常的に取得したマルチビュー画像からオブジェクトの正確な神経表現を行うためには、カメラの正確な位置推定が不可欠であることを示す。
  論文  参考訳（メタデータ） (2022-10-09T11:46:45Z)
• Variational Approach for Intensity Domain Multi-exposure Image Fusion [11.678822620192435]
  本稿では,従来の表示装置に直接表示可能な融合画像を生成する方法を提案する。 その野望は、照度が悪く、明るく照らされた地域で詳細を保存することである。
  論文  参考訳（メタデータ） (2022-07-09T06:31:34Z)
• Efficient joint noise removal and multi exposure fusion [0.0]
  マルチ露光融合(Multi-Exposure fusion、MEF)は、異なる露光設定で取得した同一シーンの異なる画像を単一の画像に組み合わせる手法である。 ノイズ除去を考慮した新しいマルチ露光画像融合チェーンを提案する。
  論文  参考訳（メタデータ） (2021-12-04T09:30:10Z)
• Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
  本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。 このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
  論文  参考訳（メタデータ） (2020-07-21T17:30:51Z)
• Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
  小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。 本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。 提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
  論文  参考訳（メタデータ） (2020-07-04T08:23:07Z)

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。