Fugu-MT 論文翻訳(概要): Problems of dataset creation for light source estimation

論文の概要: Problems of dataset creation for light source estimation

arxiv url: http://arxiv.org/abs/2006.02692v2
Date: Fri, 5 Jun 2020 07:51:53 GMT
ステータス: 処理完了
システム内更新日: 2022-11-25 10:11:00.392515
Title: Problems of dataset creation for light source estimation
Title（参考訳）: 光源推定におけるデータセット作成の問題点
Authors: E.I. Ershov, A.V. Belokopytov, A.V. Savchik
Abstract要約: 本稿では,光源推定問題に対する新たなデータセットを単一画像で収集した経験について述べる。既存のカラーターゲットの分析は、データ収集に不可欠な様々な技術的、科学的側面と共に提示される。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: The paper describes our experience collecting a new dataset for the light source estimation problem in a single image. The analysis of existing color targets is presented along with various technical and scientific aspects essential for data collection. The paper also contains an announcement of an upcoming 2-nd International Illumination Estimation Challenge (IEC 2020).
Abstract（参考訳）: 本稿では,光源推定問題に対する新たなデータセットを単一画像で収集した経験について述べる。既存のカラーターゲットの分析は、データ収集に不可欠な様々な技術的および科学的側面とともに提示される。この論文には、次の第2回国際照明推定チャレンジ(IEC 2020)の発表も含まれている。

関連論文リスト

IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。 IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
論文参考訳（メタデータ） (2024-12-16T18:52:56Z)
LWIRPOSE: A novel LWIR Thermal Image Dataset and Benchmark [9.679771580702258]
このデータセットは、2400以上の高品質なLWIR(熱)画像で構成されている。それぞれの画像には2Dの人間のポーズが刻まれており、研究者や実践者にとって貴重なリソースとなっている。我々は、その可能性を示すために、データセットの最先端ポーズ推定手法をベンチマークする。
論文参考訳（メタデータ） (2024-04-16T01:49:35Z)
Low-Light Image and Video Enhancement: A Comprehensive Survey and Beyond [8.355226305081835]
本稿では、低照度画像と映像強調に関する総合的な調査を行い、この分野における2つの課題に対処する。第1の課題は、既存の方法で適切に対処されていない混合オーバー/アンダー露画像の出現率である。第2の課題は、トレーニングとテストに適した低照度ビデオデータセットの不足である。
論文参考訳（メタデータ） (2022-12-21T05:08:37Z)
A Multi-purpose Real Haze Benchmark with Quantifiable Haze Levels and Ground Truth [61.90504318229845]
本稿では,ハズフリー画像とその場でのハズ密度測定を併用した,最初の実画像ベンチマークデータセットを提案する。このデータセットはコントロールされた環境で生成され、プロの煙発生装置がシーン全体を覆っている。このデータセットのサブセットは、CVPR UG2 2022 チャレンジの Haze Track における Object Detection に使用されている。
論文参考訳（メタデータ） (2022-06-13T19:14:06Z)
A Comprehensive Survey on Image Dehazing Based on Deep Learning [89.77554550654227]
ヘイズの存在は画像の品質を著しく低下させる。研究者は、ヘイズ画像の品質を回復するために、画像デハージング(ID)のための様々なアルゴリズムを設計した。ディープラーニング(DL)ベースのデハージング技術を要約した研究はほとんどない。
論文参考訳（メタデータ） (2021-06-07T03:51:25Z)
Lighting the Darkness in the Deep Learning Era [118.35081853500411]
低照度画像強調(LLIE)は、照明の弱い環境で撮影された画像の知覚や解釈性を改善することを目的としている。この分野における最近の進歩は、ディープラーニングベースのソリューションが支配的です。アルゴリズム分類から未解決の未解決問題まで,さまざまな側面をカバーする包括的な調査を行う。
論文参考訳（メタデータ） (2021-04-21T19:12:19Z)
Illumination Estimation Challenge: experience of past two years [57.13714732760851]
第2回照明推定チャレンジ(IEC#2)を行った。チャレンジには、一般的なもの、屋内のもの、照明が2つあり、それぞれ異なるシーンのパラメーターに焦点を当てていた。他の主な特徴は、同じカメラセンサーモデルで撮影された画像の新しい大規模なデータセット(約5000)、各画像に付随する手動マークアップ、SpyderCubeキャリブレーションオブジェクトを使用して抽出されたさまざまな照明の下で多くの国で撮影されたシーンの多様なコンテンツ、IEC#1で使用されたCube+データセットからの画像のコンテストのようなマークアップです。
論文参考訳（メタデータ） (2020-12-31T17:59:19Z)
The Cube++ Illumination Estimation Dataset [50.58610459038332]
本稿では,新しい照明推定データセットを提案する。照明色が既知の4890の画像と、追加のセマンティックデータで構成されている。データセットは、単一または2つの照度推定を実行するメソッドのトレーニングとテストに使用することができる。
論文参考訳（メタデータ） (2020-11-19T18:50:08Z)
Light Field Salient Object Detection: A Review and Benchmark [37.28938750278883]
本稿では,光電場SODの総合的なレビューとベンチマークを行う。 10の伝統的なモデル、7つのディープラーニングベースのモデル、1つの比較研究、1つの簡単なレビューがある。広範に使用されている4つの光フィールドデータセット上で、9つの代表的な光フィールドSODモデルと、いくつかの最先端RGB-D SODモデルをベンチマークする。
論文参考訳（メタデータ） (2020-10-10T10:30:40Z)
Light Direction and Color Estimation from Single Image with Deep Regression [25.45529007045549]
単一画像からシーン光源の方向と色を推定する手法を提案する。 a)SIDデータセットと同様の制約で強い影効果を持つ新しい合成データセットを使用し、(b)上記データセットに基づいてトレーニングされた深層アーキテクチャを定義し、シーン光源の方向と色を推定する。
論文参考訳（メタデータ） (2020-09-18T17:33:49Z)

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。