論文の概要: Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning

• arxiv url: http://arxiv.org/abs/2007.02042v2
• Date: Sun, 12 Jul 2020 09:36:36 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-13 13:46:32.312186
• Title: Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning
• Title（参考訳）: ハイブリッド学習によるマルチスケール露光融合による単一画像の鮮明化
• Authors: Chaobing Zheng, Zhengguo Li, Yi Yang and Shiqian Wu
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 48.890709236564945
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A small ISO and a small exposure time are usually used to capture an image in the back or low light conditions which results in an image with negligible motion blur and small noise but look dark. In this paper, a single image brightening algorithm is introduced to brighten such an image. The proposed algorithm includes a unique hybrid learning framework to generate two virtual images with large exposure times. The virtual images are first generated via intensity mapping functions (IMFs) which are computed using camera response functions (CRFs) and this is a model-driven approach. Both the virtual images are then enhanced by using a data-driven approach, i.e. a residual convolutional neural network to approach the ground truth images. The model-driven approach and the data-driven one compensate each other in the proposed hybrid learning framework. The final brightened image is obtained by fusing the original image and two virtual images via a multi-scale exposure fusion algorithm with properly defined weights. Experimental results show that the proposed brightening algorithm outperforms existing algorithms in terms of the MEF-SSIM metric.
• Abstract（参考訳）: 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で画像をキャプチャするために使用され、不明瞭な動きのぼやけと小さなノイズを持つ画像になるが、暗く見える。 本稿では、こ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導入する。 提案アルゴリズムは、露光時間が大きい2つの仮想画像を生成する独自のハイブリッド学習フレームワークを含む。 仮想画像はまず、カメラ応答関数(CRF)を用いて計算される強度マッピング関数(IMF)によって生成され、これはモデル駆動のアプローチである。 両方の仮想画像は、データ駆動アプローチ、すなわち、残差畳み込みニューラルネットワークを用いて、基底真理画像にアプローチすることによって強化される。 モデル駆動アプローチとデータ駆動アプローチは、提案されたハイブリッド学習フレームワークで互いに補償する。 初期画像と2つの仮想画像とを、適切に定義された重みを持つマルチスケール露光融合アルゴリズムにより融合することにより、最終的な鮮明化画像を得る。 実験結果から,提案アルゴリズムはMEF-SSIMメートル法において既存のアルゴリズムよりも優れていた。

関連論文リスト

• 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)
• Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
  我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。 新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。 増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
  論文  参考訳（メタデータ） (2023-08-10T12:53:30Z)
• A Model-data-driven Network Embedding Multidimensional Features for Tomographic SAR Imaging [5.489791364472879]
  多次元特徴量に基づくトモSARイメージングを実現するためのモデルデータ駆動型ネットワークを提案する。 画像シーンの多次元的特徴を効果的に向上するために、2つの2次元処理モジュール(畳み込みエンコーダ-デコーダ構造)を追加します。 従来のCS-based FISTA法とDL-based gamma-Net法と比較して,提案手法は良好な画像精度を有しつつ,完全性を向上させる。
  論文  参考訳（メタデータ） (2022-11-28T02:01:43Z)
• PS-Transformer: Learning Sparse Photometric Stereo Network using Self-Attention Mechanism [4.822598110892846]
  線形プロジェクションや最大プーリングといった事前定義された操作に基づいて、異なる照明下での深いキャリブレーションされた光度ステレオネットワークの観測を集約する。 この問題に対処するために,PS-Transformer という,複雑な画像間相互作用を適切に捉えるために,学習可能な自己認識機構を活用する,細かなキャリブレーションを施した光度ステレオネットワークを提案する。
  論文  参考訳（メタデータ） (2022-11-21T11:58:25Z)
• Dual-Scale Single Image Dehazing Via Neural Augmentation [29.019279446792623]
  モデルベースとデータ駆動のアプローチを組み合わせることで,新しい単一画像デハージングアルゴリズムを導入する。 その結果,提案アルゴリズムは実世界および合成ヘイズ画像からヘイズをうまく除去できることが示唆された。
  論文  参考訳（メタデータ） (2022-09-13T11:56:03Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• Efficient and Model-Based Infrared and Visible Image Fusion Via Algorithm Unrolling [24.83209572888164]
  赤外線および可視画像融合(IVIF)は、赤外線画像からの熱放射情報を保持する画像と、可視画像からテクスチャの詳細を取得することを期待している。 従来のCNNベースのIVIFモデルの欠点を克服するために,モデルベース畳み込みニューラルネットワーク(CNN)モデルを提案する。
  論文  参考訳（メタデータ） (2020-05-12T16:15:56Z)
• Self-Supervised Linear Motion Deblurring [112.75317069916579]
  深層畳み込みニューラルネットワークは、画像の劣化の最先端技術である。 本稿では,自己監督型動作遅延に対する識別可能なreblurモデルを提案する。 我々の実験は、自己監督された単一画像の劣化が本当に実現可能であることを実証した。
  論文  参考訳（メタデータ） (2020-02-10T20:15:21Z)

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。