Fugu-MT 論文翻訳(概要): Noise-Aware Merging of High Dynamic Range Image Stacks without Camera Calibration

論文の概要: Noise-Aware Merging of High Dynamic Range Image Stacks without Camera Calibration

arxiv url: http://arxiv.org/abs/2009.07975v1
Date: Wed, 16 Sep 2020 23:26:17 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 00:47:41.992663
Title: Noise-Aware Merging of High Dynamic Range Image Stacks without Camera Calibration
Title（参考訳）: カメラキャリブレーションを伴わない高ダイナミックレンジ画像スタックのノイズアウェアマージ
Authors: Param Hanji, Fangcheng Zhong, Rafal K. Mantiuk
Abstract要約: 本稿では,より単純なポアソン雑音推定器を用いて,等価分散の偏りのない推定値が得られることを示す。スマートフォンのカメラから、フルフレームのミラーレスカメラまで、4種類のカメラでこれを実証しています。
参考スコア（独自算出の注目度）: 14.715418812634939
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A near-optimal reconstruction of the radiance of a High Dynamic Range scene from an exposure stack can be obtained by modeling the camera noise distribution. The latent radiance is then estimated using Maximum Likelihood Estimation. But this requires a well-calibrated noise model of the camera, which is difficult to obtain in practice. We show that an unbiased estimation of comparable variance can be obtained with a simpler Poisson noise estimator, which does not require the knowledge of camera-specific noise parameters. We demonstrate this empirically for four different cameras, ranging from a smartphone camera to a full-frame mirrorless camera. Our experimental results are consistent for simulated as well as real images, and across different camera settings.
Abstract（参考訳）: カメラノイズ分布をモデル化することにより、露光スタックから高ダイナミックレンジシーンの光度をほぼ最適に再構成することができる。遅延放射率を最大様相推定を用いて推定する。しかし、これはカメラのよく校正されたノイズモデルを必要とするため、実際には入手が困難である。本研究では,カメラ固有の雑音パラメータの知識を必要とせず,簡易なポアソン雑音推定器を用いて,等価ばらつきの偏りのない推定が可能であることを示す。スマートフォンのカメラから、フルフレームのミラーレスカメラまで、4種類のカメラでこれを実証しています。実験結果は、シミュレーションと実際の画像、および異なるカメラ設定間で一致している。

関連論文リスト

Let There Be Light: Robust Lensless Imaging Under External Illumination With Deep Learning [7.368155086339779]
レンズレスカメラは、アナログ光学からデジタル後処理へ画像形成をシフトすることで、従来のカメラの設計制約を緩和する。新しいカメラの設計や応用が可能である一方で、レンズレスイメージングは望ましくない干渉(他の情報源、ノイズなど)に非常に敏感である。
論文参考訳（メタデータ） (2024-09-25T09:24:53Z)
Cameras as Rays: Pose Estimation via Ray Diffusion [54.098613859015856]
カメラのポーズを推定することは3D再構成の基本的な課題であり、まばらにサンプリングされたビューを考えると依然として困難である。本稿では,カメラを光束として扱うカメラポーズの分散表現を提案する。提案手法は回帰法と拡散法の両方で,CO3Dのカメラポーズ推定における最先端性能を示す。
論文参考訳（メタデータ） (2024-02-22T18:59:56Z)
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)
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)
High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
論文参考訳（メタデータ） (2022-07-29T13:31:28Z)
Estimating Fine-Grained Noise Model via Contrastive Learning [11.626812663592416]
本稿では,現実的な雑音画像生成のための革新的なノイズモデル推定とノイズ合成パイプラインを提案する。本モデルでは, 微粒な統計的雑音モデルを用いた雑音推定モデルについて, 対照的に学習する。いくつかのセンサのノイズモデルを校正することで、我々のモデルは他のカメラを予測できるように拡張することができる。
論文参考訳（メタデータ） (2022-04-03T02:35:01Z)
Rethinking Noise Synthesis and Modeling in Raw Denoising [75.55136662685341]
センサの実際の雑音を直接サンプリングすることで、ノイズを合成する新しい視点を導入する。それは本質的に、異なるカメラセンサーに対して正確な生画像ノイズを発生させる。
論文参考訳（メタデータ） (2021-10-10T10:45:24Z)
Physics-based Noise Modeling for Extreme Low-light Photography [63.65570751728917]
CMOS光センサの撮像パイプラインにおけるノイズ統計について検討する。実雑音構造を正確に特徴付けることのできる包括的ノイズモデルを定式化する。我々のノイズモデルは、学習に基づく低照度復調アルゴリズムのためのリアルなトレーニングデータを合成するのに利用できる。
論文参考訳（メタデータ） (2021-08-04T16:36:29Z)
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)
Neural Camera Simulators [39.4597887323609]
深層ニューラルネットワークに基づく制御可能なカメラシミュレーターにより、異なるカメラ設定下で生画像データを合成する。提案するシミュレータは、現代のレンズ設計の原理を利用して輝度レベルを補正する露光モジュールを含む。また、ノイズレベル関数を用いたノイズモジュールと、ノイズとデフォーカスのぼかしに対する副作用をシミュレートする適応的な注意を持つ開口モジュールとを含む。
論文参考訳（メタデータ） (2021-04-12T07:06:27Z)
Learning Camera-Aware Noise Models [22.114167097784787]
本稿では,実世界の雑音から生成ノイズモデルを学習する,データ駆動型手法を提案する。提案するノイズモデルでは,異なるカメラセンサの異なるノイズ特性を同時に学習することができる。
論文参考訳（メタデータ） (2020-08-21T08:25:14Z)

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。