論文の概要: The Cube++ Illumination Estimation Dataset

• arxiv url: http://arxiv.org/abs/2011.10028v1
• Date: Thu, 19 Nov 2020 18:50:08 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 21:17:26.591745
• Title: The Cube++ Illumination Estimation Dataset
• Title（参考訳）: Cube++照明推定データセット
• Authors: Egor Ershov, Alex Savchik, Illya Semenkov, Nikola Bani\'c, Alexander Belokopytov, Daria Senshina, Karlo Koscevi\'c, Marko Suba\v{s}i\'c, Sven Lon\v{c}ari\'c
• Abstract要約: 本稿では,新しい照明推定データセットを提案する。 照明色が既知の4890の画像と、追加のセマンティックデータで構成されている。 データセットは、単一または2つの照度推定を実行するメソッドのトレーニングとテストに使用することができる。
• 参考スコア（独自算出の注目度）: 50.58610459038332
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Computational color constancy has the important task of reducing the influence of the scene illumination on the object colors. As such, it is an essential part of the image processing pipelines of most digital cameras. One of the important parts of the computational color constancy is illumination estimation, i.e. estimating the illumination color. When an illumination estimation method is proposed, its accuracy is usually reported by providing the values of error metrics obtained on the images of publicly available datasets. However, over time it has been shown that many of these datasets have problems such as too few images, inappropriate image quality, lack of scene diversity, absence of version tracking, violation of various assumptions, GDPR regulation violation, lack of additional shooting procedure info, etc. In this paper, a new illumination estimation dataset is proposed that aims to alleviate many of the mentioned problems and to help the illumination estimation research. It consists of 4890 images with known illumination colors as well as with additional semantic data that can further make the learning process more accurate. Due to the usage of the SpyderCube color target, for every image there are two ground-truth illumination records covering different directions. Because of that, the dataset can be used for training and testing of methods that perform single or two-illuminant estimation. This makes it superior to many similar existing datasets. The datasets, it's smaller version SimpleCube++, and the accompanying code are available at https://github.com/Visillect/CubePlusPlus/.
• Abstract（参考訳）: 計算色濃度は、シーン照明が物体の色に与える影響を低減する重要なタスクである。 そのため、ほとんどのデジタルカメラの画像処理パイプラインには欠かせない部分である。 計算色定数の重要な部分の1つは、照明推定、すなわち照明色の推定である。 照明推定法を提案する場合、一般に利用可能なデータセットの画像から得られた誤差メトリクスの値を提供することで、その精度を報告する。 しかし、時間とともにこれらのデータセットの多くは、画像の不足、不適切な画質、シーンの多様性の欠如、バージョントラッキングの欠如、さまざまな仮定の違反、gdpr規制違反、追加の撮影手順情報の欠如などの問題を抱えていることが示されている。 本稿では,これらの問題の多くを緩和し,照明推定研究を支援するための新しい照明推定データセットを提案する。 既知の照明色を持つ4890の画像と、学習プロセスをより正確にするための追加のセマンティックデータで構成されている。 SpyderCubeのカラーターゲットを使用するため、各画像には異なる方向をカバーする2つの地中照度記録がある。 そのためデータセットは、単一または2つの照度推定を行うメソッドのトレーニングとテストに使用できる。 これにより、多くの類似したデータセットよりも優れている。 データセットはsimplecube++より小さく、関連するコードはhttps://github.com/visillect/cubeplus/で入手できる。

関連論文リスト

• OpenIllumination: A Multi-Illumination Dataset for Inverse Rendering Evaluation on Real Objects [56.065616159398324]
  我々は,64個のオブジェクトの108K画像を含む実世界のデータセットであるOpenIlluminationを紹介した。 データセットの各画像に対して、正確なカメラパラメータ、照明場真理、前景セグメンテーションマスクを提供する。
  論文  参考訳（メタデータ） (2023-09-14T17:59:53Z)
• Beyond the Pixel: a Photometrically Calibrated HDR Dataset for Luminance and Color Prediction [0.7456526005219319]
  Laval Photometric Indoor HDRデータセットは、高ダイナミックレンジ360degパノラマの大規模な測光校正データセットとしては初めてである。 我々は、RAWブラケットによる露光をプロの測光装置と同時に正確に捕捉することで実現している。 得られたデータセットは屋内シーンの豊かな表現であり、幅広い照度と色、様々な種類の光源を表示する。
  論文  参考訳（メタデータ） (2023-04-24T18:10:25Z)
• KinD-LCE Curve Estimation And Retinex Fusion On Low-Light Image [7.280719886684936]
  本稿では,低照度化のためのアルゴリズムを提案する。 KinD-LCEは、Retinex分解画像の照明マップを強化するために光曲線推定モジュールを使用する。 照明マップと反射マップ融合モジュールも提案され、画像の詳細を復元し、詳細損失を低減した。
  論文  参考訳（メタデータ） (2022-07-19T11:49:21Z)
• Generative Models for Multi-Illumination Color Constancy [23.511249515559122]
  そこで本研究では,種(物理駆動)に基づく多照色濃度法を提案する。 GANを用いて照明推定問題を画像から画像へのドメイン変換問題としてモデル化する。 単照度および多照度データセットを用いた実験により,本手法がソタ法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-09-02T12:24:40Z)
• LLVIP: A Visible-infrared Paired Dataset for Low-light Vision [4.453060631960743]
  低照度ビジョンのための可視赤外ペアデータセットであるLLVIPを提案する。 このデータセットには30976枚の画像、15488枚の画像が含まれており、そのほとんどは非常に暗い場所で撮影された。 我々は、このデータセットを他の可視赤外線データセットと比較し、人気のあるビジュアルアルゴリズムの性能を評価する。
  論文  参考訳（メタデータ） (2021-08-24T16:29:17Z)
• Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
  2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。 カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
  論文  参考訳（メタデータ） (2021-03-19T04:00:27Z)
• Illumination Estimation Challenge: experience of past two years [57.13714732760851]
  第2回照明推定チャレンジ(IEC#2)を行った。 チャレンジには、一般的なもの、屋内のもの、照明が2つあり、それぞれ異なるシーンのパラメーターに焦点を当てていた。 他の主な特徴は、同じカメラセンサーモデルで撮影された画像の新しい大規模なデータセット(約5000)、各画像に付随する手動マークアップ、SpyderCubeキャリブレーションオブジェクトを使用して抽出されたさまざまな照明の下で多くの国で撮影されたシーンの多様なコンテンツ、IEC#1で使用されたCube+データセットからの画像のコンテストのようなマークアップです。
  論文  参考訳（メタデータ） (2020-12-31T17:59:19Z)
• Monte Carlo Dropout Ensembles for Robust Illumination Estimation [94.14796147340041]
  計算カラー一貫性(Computational Color Constancy)は、多くのカメラシステムで使用される前処理ステップである。 出力の不確実性に応じて異なる深層学習手法を集約することを提案する。 提案したフレームワークはINTEL-TAUデータセット上での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） (2020-07-20T13:56:14Z)
• Scene relighting with illumination estimation in the latent space on an encoder-decoder scheme [68.8204255655161]
  本報告では,その目的を達成するための手法について述べる。 我々のモデルは、シーン内容、光源位置、色温度の異なる、人工的な場所のレンダリングデータセットに基づいて訓練されている。 本データセットでは,被写体の潜在空間表現における光条件の推測と置き換えを目的とした照明推定成分を用いたネットワークを用いた。
  論文  参考訳（メタデータ） (2020-06-03T15:25:11Z)

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。