論文の概要: Deep Atrous Guided Filter for Image Restoration in Under Display Cameras

• arxiv url: http://arxiv.org/abs/2008.06229v2
• Date: Tue, 1 Sep 2020 06:15:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-30 17:30:23.190829
• Title: Deep Atrous Guided Filter for Image Restoration in Under Display Cameras
• Title（参考訳）: アンダーディスプレイカメラにおける画像復元のためのディープアラス誘導フィルタ
• Authors: Varun Sundar, Sumanth Hegde, Divya Kothandaraman and Kaushik Mitra
• Abstract要約: ディスプレイカメラの下では、カメラを半透明のOLEDスクリーンの後ろに配置することで、ベゼルのないディスプレイを実現することができる。 このようなイメージングシステムは、光の減衰と回折効果による画像劣化に悩まされる。 UDCシステムにおける画像復元のための2段階のエンド・ツー・エンドアプローチであるDeep Atrous Guided Filter(DAGF)を提案する。
• 参考スコア（独自算出の注目度）: 18.6418313982586
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Under Display Cameras present a promising opportunity for phone manufacturers to achieve bezel-free displays by positioning the camera behind semi-transparent OLED screens. Unfortunately, such imaging systems suffer from severe image degradation due to light attenuation and diffraction effects. In this work, we present Deep Atrous Guided Filter (DAGF), a two-stage, end-to-end approach for image restoration in UDC systems. A Low-Resolution Network first restores image quality at low-resolution, which is subsequently used by the Guided Filter Network as a filtering input to produce a high-resolution output. Besides the initial downsampling, our low-resolution network uses multiple, parallel atrous convolutions to preserve spatial resolution and emulates multi-scale processing. Our approach's ability to directly train on megapixel images results in significant performance improvement. We additionally propose a simple simulation scheme to pre-train our model and boost performance. Our overall framework ranks 2nd and 5th in the RLQ-TOD'20 UDC Challenge for POLED and TOLED displays, respectively.
• Abstract（参考訳）: ディスプレイカメラの下では、カメラを半透明のOLEDスクリーンの後ろに置き、ベゼルのないディスプレイを実現することができる。 残念なことに、このような撮像システムは、光減衰と回折効果による画像劣化に苦しむ。 本稿では,UDCシステムにおける画像復元のための2段階のエンドツーエンドアプローチであるDeep Atrous Guided Filter(DAGF)を提案する。 低解像度ネットワークは、まず低解像度で画像品質を復元し、その後、ガイドフィルタネットワークがフィルタ入力として使用して高解像度出力を生成する。 初期ダウンサンプリングに加えて、我々の低解像度ネットワークは、空間分解能を保ち、マルチスケール処理をエミュレートするために複数の並列なアトラス畳み込みを使用する。 提案手法では,メガピクセル画像を直接トレーニングできるため,性能が大幅に向上する。 また,モデルの事前学習と性能向上のための簡単なシミュレーション手法を提案する。 RLQ-TOD'20 UDC Challenge for POLED と TOLED の2位と5位にランクインしている。

関連論文リスト

• Self-Supervised Learning for Real-World Super-Resolution from Dual and Multiple Zoomed Observations [61.448005005426666]
  スマートフォン用レファレンスベーススーパーレゾリューション(RefSR)における2つの課題について考察する。 本稿では,デュアルカメラとマルチカメラのズームで観測した実世界のRefSRに対して,新たな自己教師型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-05-03T15:20:30Z)
• Segmentation Guided Sparse Transformer for Under-Display Camera Image Restoration [91.65248635837145]
  Under-Display Camera(UDC)は、ディスプレイパネルの下にカメラを隠してフルスクリーン表示を実現する新興技術である。 本稿では,UDC 画像復元に Vision Transformer を用いることで,大量の冗長情報やノイズを大域的注目度で検出する。 UDC劣化画像から高品質な画像を復元するためのガイドスパース変換器(SGSFormer)を提案する。
  論文  参考訳（メタデータ） (2024-03-09T13:11:59Z)
• Deep Linear Array Pushbroom Image Restoration: A Degradation Pipeline and Jitter-Aware Restoration Network [26.86292926584254]
  リニアアレイプッシュブルーム(LAP)イメージング技術はリモートセンシングの領域で広く利用されている。 点拡散関数(PSF)を推定するアルゴリズムなど、従来のLAP画像の復元手法は、限られた性能を示す。 本稿では,2段階の歪みとぼかしを除去するjitter-Aware Restoration Network (JARNet)を提案する。
  論文  参考訳（メタデータ） (2024-01-16T07:26:26Z)
• Real-Time Under-Display Cameras Image Restoration and HDR on Mobile Devices [81.61356052916855]
  アンダーディスプレイカメラ(UDC)によって撮影された画像は、その前のスクリーンによって劣化する。 画像復元のためのディープラーニング手法は、キャプチャ画像の劣化を著しく低減することができる。 我々は,視覚的UDC画像復元とHDRのための軽量なモデルを提案し,スマートフォン上での様々な手法の性能と実行状況を比較したベンチマークを提供する。
  論文  参考訳（メタデータ） (2022-11-25T11:46:57Z)
• RBSRICNN: Raw Burst Super-Resolution through Iterative Convolutional Neural Network [23.451063587138393]
  RBSRICNN(Row Burst Super-Resolution Iterative Convolutional Neural Network)を提案する。 提案したネットワークは、中間SR推定を反復的に洗練することにより最終的な出力を生成する。 定量的および定性的な実験において提案手法の有効性を実証する。
  論文  参考訳（メタデータ） (2021-10-25T19:01:28Z)
• Removing Diffraction Image Artifacts in Under-Display Camera via Dynamic Skip Connection Network [80.67717076541956]
  アンダーディスプレイカメラ(UDC)システムは、スマートフォン上で真のベゼルレスおよびノッチフリーの視聴体験を提供します。 典型的なUDCシステムでは、ピクセルアレイはカメラ上の入射光を減衰および回折し、画像品質の大幅な低下をもたらす。 本研究では,前述の劣化問題の解析と対処を目的とする。
  論文  参考訳（メタデータ） (2021-04-19T18:41:45Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• Transform Domain Pyramidal Dilated Convolution Networks For Restoration of Under Display Camera Images [6.731863717520707]
  アンダーディスプレイカメラ(UDC)は、ハンドヘルドデバイスでデジタル画像体験をシームレスにする新しい技術である。 UDC画像はディスプレイ画面下の位置によって著しく劣化する。 この研究は、UDCイメージングの結果劣化した画像の復元に対処する。
  論文  参考訳（メタデータ） (2020-09-20T09:26:10Z)
• Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
  本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。 我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。 提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-04-02T17:59:04Z)
• Image Restoration for Under-Display Camera [14.209602483950322]
  フルスクリーンデバイスの新たなトレンドは、私たちはスクリーンの後ろにカメラを置くことを奨励します。 ベゼルを外し、画面下にカメラを集中させると、ディスプレイとボディの比率が大きくなり、ビデオチャットではアイコンタクトが強化されるが、画像の劣化も引き起こす。 本稿では,新たに定義されたUnder-Display Camera (UDC) に焦点をあてる。
  論文  参考訳（メタデータ） (2020-03-10T17:09:00Z)

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。