論文の概要: Interactive White Balancing for Camera-Rendered Images
- arxiv url: http://arxiv.org/abs/2009.12632v1
- Date: Sat, 26 Sep 2020 16:22:05 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-14 09:03:24.436583
- Title: Interactive White Balancing for Camera-Rendered Images
- Title(参考訳): カメラレンダリング画像のためのインタラクティブなホワイトバランシング
- Authors: Mahmoud Afifi and Michael S. Brown
- Abstract要約: ホワイトバランス(WB)は、キャプチャされた画像を最終的な出力にレンダリングするために使用される最初のフォトフィニッシュステップの1つである。
本稿では,非線形カラーマッピング機能を直接ユーザ選択色にリンクし,インタラクティブなWB操作を可能にする新しいフレームワークを提案する。
- 参考スコア(独自算出の注目度): 50.08927449718674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: White balance (WB) is one of the first photo-finishing steps used to render a
captured image to its final output. WB is applied to remove the color cast
caused by the scene's illumination. Interactive photo-editing software allows
users to manually select different regions in a photo as examples of the
illumination for WB correction (e.g., clicking on achromatic objects). Such
interactive editing is possible only with images saved in a RAW image format.
This is because RAW images have no photo-rendering operations applied and
photo-editing software is able to apply WB and other photo-finishing procedures
to render the final image. Interactively editing WB in camera-rendered images
is significantly more challenging. This is because the camera hardware has
already applied WB to the image and subsequent nonlinear photo-processing
routines. These nonlinear rendering operations make it difficult to change the
WB post-capture. The goal of this paper is to allow interactive WB manipulation
of camera-rendered images. The proposed method is an extension of our recent
work \cite{afifi2019color} that proposed a post-capture method for WB
correction based on nonlinear color-mapping functions. Here, we introduce a new
framework that links the nonlinear color-mapping functions directly to
user-selected colors to enable {\it interactive} WB manipulation. This new
framework is also more efficient in terms of memory and run-time (99\%
reduction in memory and 3$\times$ speed-up). Lastly, we describe how our
framework can leverage a simple illumination estimation method (i.e.,
gray-world) to perform auto-WB correction that is on a par with the WB
correction results in \cite{afifi2019color}. The source code is publicly
available at https://github.com/mahmoudnafifi/Interactive_WB_correction.
- Abstract(参考訳): ホワイトバランス(wb)は、撮影された画像を最終的な出力にレンダリングするために使われる最初のフォトフィニッシュステップの1つである。
シーンの照明によるカラーキャストを除去するためにWBを適用する。
インタラクティブな写真編集ソフトウェアでは、ユーザーはWB補正の照明(例えば無彩色物体をクリック)の例として、写真の異なる領域を手動で選択することができる。
このようなインタラクティブな編集はRAW画像形式で保存された画像でのみ可能である。
これは、RAW画像に写真レンダリング操作が適用されず、フォト編集ソフトウェアがWBや他の写真仕上げ手順を適用できるためである。
カメラレンダリング画像でWBをインタラクティブに編集するのは、かなり難しい。
これは、カメラハードウェアが既に画像およびその後の非線形フォト処理ルーチンにWBを適用しているためである。
これらの非線形レンダリング操作は、WBポストキャプチャの変更を難しくする。
本稿では,カメラレンダリング画像のインタラクティブなwb操作を実現することを目的とする。
提案手法は, 非線形カラーマッピング関数に基づくwb補正のポストキャプチャ法を提案する最近の研究である \cite{afifi2019color} の拡張である。
本稿では,非線形カラーマッピング機能を直接ユーザ選択色にリンクし,WB操作を可能にする新しいフレームワークを提案する。
この新しいフレームワークは、メモリと実行時間の観点からも効率的である(メモリの99\%削減と3$\times$ speed-up)。
最後に、我々のフレームワークが単純な照明推定法(すなわちグレイワールド)を利用して、wb補正結果と同等のオートwb補正を \cite{afifi2019color} で実行する方法について述べる。
ソースコードはhttps://github.com/mahmoudnafifi/Interactive_WB_correctionで公開されている。
関連論文リスト
- Deterministic Neural Illumination Mapping for Efficient Auto-White
Balance Correction [3.441021278275805]
オートホワイトバランス(オートホワイトバランス、Auto-white Balance、AWB)は、様々な照明シナリオにおいて正確で一貫した色補正のために、画像信号処理装置において重要な操作である。
本稿では,高解像度画像上での同等あるいは優れた性能で,少なくとも35倍高速な処理を実現する,新規で効率的なAWB補正手法を提案する。
論文 参考訳(メタデータ) (2023-08-07T22:44:26Z) - MagicBrush: A Manually Annotated Dataset for Instruction-Guided Image
Editing [51.716531083146315]
MagicBrushは、命令誘導の実画像編集のための、手動で手動の大規模データセットである。
人による評価により,新しいモデルによりより優れた画像が生成できることが示される。
論文 参考訳(メタデータ) (2023-06-16T17:58:58Z) - Transform your Smartphone into a DSLR Camera: Learning the ISP in the
Wild [159.71025525493354]
本稿では,スマートフォンが取得したRAW画像に基づいて,DSLRの品質画像を生成する訓練可能な画像信号処理フレームワークを提案する。
トレーニング画像ペア間の色ずれに対処するために、カラー条件ISPネットワークを使用し、各入力RAWと基準DSLR画像間の新しいパラメトリック色マッピングを最適化する。
論文 参考訳(メタデータ) (2022-03-20T20:13:59Z) - Auto White-Balance Correction for Mixed-Illuminant Scenes [52.641704254001844]
オートホワイトバランス(AWB)は、シーン照明によるカラーキャストを取り除くためにカメラハードウェアによって適用される。
本稿では,この混合照明シーンに有効なAWB手法を提案する。
本手法は従来のカメラAWBモジュールと同様,照度推定を必要としない。
論文 参考訳(メタデータ) (2021-09-17T20:13:31Z) - Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。
実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
論文 参考訳(メタデータ) (2021-08-18T12:41:36Z) - Image color correction, enhancement, and editing [14.453616946103132]
画像信号処理装置(ISP)の立場から見た色補正問題について検討する。
特に,新しいカラーのカメラレンダリング画像の異なる実写版を生成するためのオートイメージ再キャプチャ手法を提案する。
論文 参考訳(メタデータ) (2021-07-28T01:14:12Z) - Learning to Jointly Deblur, Demosaick and Denoise Raw Images [39.149955856017876]
我々はRGB画像に既存の学習に基づくアプローチを適用し、新しい解釈可能なモジュールを導入して生画像を扱う。
このモデルは、現実的な反転カメラパイプラインに従って、RGBイメージを生画像に変換してトレーニングします。
また,本手法では,実画像からカメラ固有のぼやけを除去し,本質的に鋭い画像のぼやけを解消する。
論文 参考訳(メタデータ) (2021-04-13T19:02:59Z) - CIE XYZ Net: Unprocessing Images for Low-Level Computer Vision Tasks [45.820956016608314]
現在、カメラは2つの画像状態にアクセスすることができる: (生センサデータ) または (ii) 高度に処理された非線形画像状態 (sRGB) である。
コンピュータビジョンタスクは、画像の退色や画像の退色など、線形画像の状態で最もうまく機能する。
本稿では,CIE XYZ 画像への非線形像の復号化が可能な深層学習フレームワーク CIE XYZ Net を提案する。
論文 参考訳(メタデータ) (2020-06-23T02:59:11Z) - Deep White-Balance Editing [50.08927449718674]
カメラは、その集積信号プロセッサ(ISP)によってレンダリングされるセンサーイメージを、標準のRGB(sRGB)カラースペースエンコーディングにキャプチャする。
近年の[3]による研究では,ISPの非線形レンダリングのため,誤ったホワイトバランスでレンダリングされたsRGB画像を容易に修正できないことが示されている。
我々は,この問題を解決するために,エンドツーエンドでトレーニングしたディープニューラルネットワーク(DNN)アーキテクチャを提案する。
論文 参考訳(メタデータ) (2020-04-03T03:18:42Z)
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。