論文の概要: How to Train Neural Networks for Flare Removal

• arxiv url: http://arxiv.org/abs/2011.12485v4
• Date: Fri, 8 Oct 2021 00:48:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-21 03:32:04.289658
• Title: How to Train Neural Networks for Flare Removal
• Title（参考訳）: フレア除去のためのニューラルネットワークのトレーニング方法
• Authors: Yicheng Wu, Qiurui He, Tianfan Xue, Rahul Garg, Jiawen Chen, Ashok Veeraraghavan, Jonathan T. Barron
• Abstract要約: ニューラルネットワークをトレーニングして、初めてレンズフレアを取り除きます。 我々のデータ合成手法は正確なフレア除去に不可欠である。 我々の技術で訓練されたモデルは、様々なシーン、照明条件、カメラの実際のレンズフレアによく一般化される。
• 参考スコア（独自算出の注目度）: 45.51943926089249
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: When a camera is pointed at a strong light source, the resulting photograph may contain lens flare artifacts. Flares appear in a wide variety of patterns (halos, streaks, color bleeding, haze, etc.) and this diversity in appearance makes flare removal challenging. Existing analytical solutions make strong assumptions about the artifact's geometry or brightness, and therefore only work well on a small subset of flares. Machine learning techniques have shown success in removing other types of artifacts, like reflections, but have not been widely applied to flare removal due to the lack of training data. To solve this problem, we explicitly model the optical causes of flare either empirically or using wave optics, and generate semi-synthetic pairs of flare-corrupted and clean images. This enables us to train neural networks to remove lens flare for the first time. Experiments show our data synthesis approach is critical for accurate flare removal, and that models trained with our technique generalize well to real lens flares across different scenes, lighting conditions, and cameras.
• Abstract（参考訳）: カメラが強い光源に向けられた場合、得られた写真はレンズフレアのアーティファクトを含むことがある。 フレアは様々なパターン(ハロ、ストレーク、色出血、ヘイズなど)に出現し、その外観の多様性はフレア除去を困難にする。 既存の分析ソリューションは、アーティファクトの幾何学や明るさについて強い仮定をしており、フレアの小さなサブセットでのみうまく機能する。 機械学習技術は、リフレクションのような他の種類のアーティファクトを取り除くことに成功しているが、トレーニングデータがないためにフレア除去には広く適用されていない。 この問題を解決するために,フレアの光学的原因を経験的あるいは波動光学を用いて明示的にモデル化し,フレア腐食およびクリーン画像の半合成対を生成する。 これにより、ニューラルネットワークをトレーニングし、レンズフレアを初めて取り除くことができます。 実験によると、データ合成手法は正確なフレア除去に不可欠であり、この手法で訓練されたモデルは、異なるシーン、照明条件、カメラにまたがる本物のレンズフレアによく一般化している。

関連論文リスト

• Harmonizing Light and Darkness: A Symphony of Prior-guided Data Synthesis and Adaptive Focus for Nighttime Flare Removal [44.35766203309201]
  インセンス光源は、夜間に撮影画像にフレアを発生させることが多く、視覚的品質を劣化させ、下流の用途に悪影響を及ぼす。 効果的なフレア除去ネットワークをトレーニングするためには、信頼できるデータセットが不可欠である。 フレアの明るさが照明法則に合致するマルチフレア画像を含むフレア7K*という先行誘導型データセットを合成する。 クリーンな背景領域を適応的にマスキングし,フレアに強く影響された領域にフォーカスするモデルを支援するためのプラグイン・アンド・プレイ適応型フォーカス・モジュール (AFM) を提案する。
  論文  参考訳（メタデータ） (2024-03-30T10:37:56Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• Toward Real Flare Removal: A Comprehensive Pipeline and A New Benchmark [12.1632995709273]
  本稿では,フレア劣化を伴うデータペア生成手法を提案する。 散乱フレアの類似性と反射ゴーストの対称効果を実現する。 また,散乱と反射フレアの影響をそれぞれ処理する実写パイプラインを構築した。
  論文  参考訳（メタデータ） (2023-06-28T02:57:25Z)
• Flare7K++: Mixing Synthetic and Real Datasets for Nighttime Flare Removal and Beyond [77.72043833102191]
  962個の実撮影フレア画像(Flare-R)と7000個の合成フレア画像(Flare7K)からなる夜間フレア除去データセットを初めて導入する。 Flare7Kと比較して、Frare7K++は、合成フレアのみを使用することで、光源周辺の複雑な劣化を取り除くのに特に効果的である。 この問題に対処するために、Frare7K++で光源のアノテーションを付加し、レンズフレアを除去しながら光源を保存するための新しいエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-06-07T08:27:44Z)
• Nighttime Smartphone Reflective Flare Removal Using Optical Center Symmetry Prior [81.64647648269889]
  反射フレア(英: Reflective flare)は、レンズの内部に光が反射し、明るい点や「ゴースト効果」を引き起こす現象である。 我々は、反射フレアと光源が常にレンズの光学中心の周囲に対称であることを示す光中心対称性を事前に提案する。 多様なリアルな反射フレアパターンを含むブラケットフレアと呼ばれる最初の反射フレア除去データセットを作成します。
  論文  参考訳（メタデータ） (2023-03-27T09:44:40Z)
• Flare7K: A Phenomenological Nighttime Flare Removal Dataset [83.38205781536578]
  最初の夜間フレア除去データセットであるFrare7Kを紹介する。 25種類の散乱フレアと10種類の反射フレアからなる、5,000個の散乱と2,000個の反射フレア画像を提供する。 ペア化されたデータにより、現実世界で撮影されたフレア崩壊画像の復元を効果的に行うことができる。
  論文  参考訳（メタデータ） (2022-10-12T20:17:24Z)
• Automatic Flare Spot Artifact Detection and Removal in Photographs [4.56877715768796]
  フレアスポットは、多くの条件によって引き起こされるフレアアーティファクトの一種である。 本稿では,フレアスポットアーティファクトを自動的に検出・除去する頑健な計算手法を提案する。
  論文  参考訳（メタデータ） (2021-03-07T15:51:49Z)

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。