論文の概要: Dynamic Low-light Imaging with Quanta Image Sensors

• arxiv url: http://arxiv.org/abs/2007.08614v1
• Date: Thu, 16 Jul 2020 20:29:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-10 00:18:05.710797
• Title: Dynamic Low-light Imaging with Quanta Image Sensors
• Title（参考訳）: quantaイメージセンサを用いた動的低光イメージング
• Authors: Yiheng Chi, Abhiram Gnanasambandam, Vladlen Koltun, Stanley H. Chan
• Abstract要約: 本稿では,Quanta Image Sensors (QIS) を用いた新しい画像再構成アルゴリズムを提案する。 動的シーンは,光子レベルが1ピクセル当たり1光子である場合,フレームのバーストから再構成可能であることを示す。
• 参考スコア（独自算出の注目度）: 79.28256402267034
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Imaging in low light is difficult because the number of photons arriving at the sensor is low. Imaging dynamic scenes in low-light environments is even more difficult because as the scene moves, pixels in adjacent frames need to be aligned before they can be denoised. Conventional CMOS image sensors (CIS) are at a particular disadvantage in dynamic low-light settings because the exposure cannot be too short lest the read noise overwhelms the signal. We propose a solution using Quanta Image Sensors (QIS) and present a new image reconstruction algorithm. QIS are single-photon image sensors with photon counting capabilities. Studies over the past decade have confirmed the effectiveness of QIS for low-light imaging but reconstruction algorithms for dynamic scenes in low light remain an open problem. We fill the gap by proposing a student-teacher training protocol that transfers knowledge from a motion teacher and a denoising teacher to a student network. We show that dynamic scenes can be reconstructed from a burst of frames at a photon level of 1 photon per pixel per frame. Experimental results confirm the advantages of the proposed method compared to existing methods.
• Abstract（参考訳）: センサーに届く光子の数は少ないため、低光度での撮像は困難である。 低照度環境でのダイナミックなシーンの撮影は、シーンが動くにつれて、隣接するフレームのピクセルを区別する前にアライメントする必要があるため、さらに難しい。 従来のcmosイメージセンサ(cis)は、露光があまり短くなく、読み出しノイズが信号を圧倒することがないため、ダイナミックな低照度設定では特に不利である。 本稿では,Quanta Image Sensors (QIS) を用いた新しい画像再構成アルゴリズムを提案する。 QISは光子計数機能を備えた単光子画像センサである。 過去10年間の研究により、QISの低照度画像への応用が確認されてきたが、低照度の動的シーンの再構成アルゴリズムは未解決の問題のままである。 このギャップを埋めるために,モーション教師とデノーミング教師の知識を学生ネットワークに転送する学生・教師養成プロトコルを提案する。 動的シーンは,光子レベルが1ピクセル当たり1光子である場合,フレームのバーストから再構成可能であることを示す。 提案手法の利点を既存手法と比較して実験的に検証した。

関連論文リスト

• bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
  疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。 本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2024-10-30T17:30:35Z)
• Multi-Modal Neural Radiance Field for Monocular Dense SLAM with a Light-Weight ToF Sensor [58.305341034419136]
  単眼カメラと軽量ToFセンサを備えた初の高密度SLAMシステムを提案する。 本稿では,RGBカメラと軽量ToFセンサの両方の信号のレンダリングをサポートするマルチモーダル暗黙のシーン表現を提案する。 実験により,本システムは軽量なToFセンサの信号をうまく利用し,競合的な結果が得られることが示された。
  論文  参考訳（メタデータ） (2023-08-28T07:56:13Z)
• Make Explicit Calibration Implicit: Calibrate Denoiser Instead of the Noise Model [83.9497193551511]
  デジタルゲインやカメラセンサーによらず有効であるLED(Lighting Every Darkness)を導入する。 LEDは明示的なノイズモデルのキャリブレーションの必要性を排除し、高速な展開と最小限のデータを必要とする暗黙の微調整プロセスを活用する。 LEDは、センサー工学の利点を生かしながら、ディープラーニングの進歩にもっと注力することを可能にする。
  論文  参考訳（メタデータ） (2023-08-07T10:09:11Z)
• Contrastive Learning for Low-light Raw Denoising [2.929093799984392]
  ノイズの多い画像やクリーンな画像の情報を活用するために,新たにDCR(Denoising contrast regularization)を導入する。 特徴空間では、DCRはクリーンな画像に近づき、ノイズの多い画像から遠く離れている。 さらに、我々はWnetと呼ばれる機能埋め込みネットワークを構築し、このネットワークは高周波情報を抽出するのにより効果的である。
  論文  参考訳（メタデータ） (2023-05-05T08:13:53Z)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• Towards Robust Low Light Image Enhancement [6.85316573653194]
  野生で発見された暗い画像から明るい画像を作るという課題について検討する。 画像は薄暗い環境で撮影されているため暗く、量子化やセンサノイズによる色の変化に悩まされている。 教師付き学習手法を用いて、画像パイプラインの簡単なシミュレーションを頼りに、トレーニングやテストに使えるデータセットを生成する。
  論文  参考訳（メタデータ） (2022-05-17T20:14:18Z)
• Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
  そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。 本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-01-10T03:12:52Z)
• Photon-Starved Scene Inference using Single Photon Cameras [14.121328731553868]
  本稿では,PPPレベルの広い範囲にまたがる高SNR画像の集合体として,光子スケール空間を提案する。 特徴表現空間において、異なる照明レベルの画像を互いに近接させる訓練手法を開発した。 提案手法に基づいて,SPADカメラを用いたシミュレーションおよび実実験により,各種推論タスクの高性能化を実証する。
  論文  参考訳（メタデータ） (2021-07-23T02:27:03Z)
• HDR Imaging with Quanta Image Sensors: Theoretical Limits and Optimal Reconstruction [17.931673459050792]
  本稿では,HDRイメージングのための新しい計算撮影手法を提案する。 我々は、QIS(Quanta Image Sensor)を用いて、空間時間分解能をビット深度で交換する。 単一ビットおよび多ビットQISに対する最適再構成アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2020-11-06T22:08:03Z)
• Image Classification in the Dark using Quanta Image Sensors [17.931673459050792]
  我々はQuanta Image Sensors (QIS) を用いた新しい低照度画像分類ソリューションを提案する。 QISは、画素サイズや空間分解能を損なうことなく光子計数能力を有する新しいタイプの画像センサである。 学生・教師の学習では,1ピクセル以下の光子レベルの画像分類が可能であることを示す。
  論文  参考訳（メタデータ） (2020-06-03T03:39:07Z)

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。