論文の概要: Digital Gimbal: End-to-end Deep Image Stabilization with Learnable Exposure Times

• arxiv url: http://arxiv.org/abs/2012.04515v3
• Date: Mon, 10 May 2021 12:31:23 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-17 04:31:10.879953
• Title: Digital Gimbal: End-to-end Deep Image Stabilization with Learnable Exposure Times
• Title（参考訳）: Digital Gimbal: 学習可能な露光時間によるエンドツーエンドの深部画像安定化
• Authors: Omer Dahary, Matan Jacoby, Alex M. Bronstein
• Abstract要約: 高速不安定化カメラの入力から機械的に安定化したシステムをディジタルエミュレートする。 長時間露光時の動きのぼかしと短時間露光時の低SNRとの間のトレードオフを利用するため、鋭い高SNR像を推定するCNNを訓練する。
• 参考スコア（独自算出の注目度）: 2.6396287656676733
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Mechanical image stabilization using actuated gimbals enables capturing long-exposure shots without suffering from blur due to camera motion. These devices, however, are often physically cumbersome and expensive, limiting their widespread use. In this work, we propose to digitally emulate a mechanically stabilized system from the input of a fast unstabilized camera. To exploit the trade-off between motion blur at long exposures and low SNR at short exposures, we train a CNN that estimates a sharp high-SNR image by aggregating a burst of noisy short-exposure frames, related by unknown motion. We further suggest learning the burst's exposure times in an end-to-end manner, thus balancing the noise and blur across the frames. We demonstrate this method's advantage over the traditional approach of deblurring a single image or denoising a fixed-exposure burst on both synthetic and real data.
• Abstract（参考訳）: アクティベーションジンバルを用いた機械的画像安定化により、カメラの動きによるぼやけに苦しむことなく長時間露光撮影が可能となる。 しかし、これらのデバイスは物理的に煩雑で高価であり、使用が制限されることが多い。 本研究では,高速非安定化カメラの入力から機械的に安定化したシステムをディジタルエミュレートすることを提案する。 長時間露光時の動きのぼかしと短時間露光時の低SNRとの間のトレードオフを生かし、未知の動きに関連するノイズの多い短露光フレームのバーストを集約することにより、鋭い高SNR像を推定するCNNを訓練する。 さらに,バーストの露光時間をエンドツーエンドで学習し,フレーム間のノイズとぼやきのバランスをとることを提案する。 本手法は,合成データと実データの両方に固定露光バーストを付与する従来の手法よりも優れていることを示す。

関連論文リスト

• Non-Uniform Exposure Imaging via Neuromorphic Shutter Control [9.519068512865463]
  動作のぼやけを回避し,瞬時雑音を軽減する新しいニューロモルフィックシャッター制御(NSC)システムを提案する。 本稿では,SNR(Inconsistent Signal-to-Noise Ratio)を安定化させるために,自己教師付き学習パラダイム内でのイベントベース画像復調ネットワークを提案する。
  論文  参考訳（メタデータ） (2024-04-22T08:28:41Z)
• Motion Blur Decomposition with Cross-shutter Guidance [33.72961622720793]
  動きのぼかしは、十分に明るい画像のためにより多くの光子を集めるために露光時間を延ばさなければならない、照明が不十分な人工物である。 近年の研究では、ぼやけた画像を空間的・時間的コヒーレンスのある複数のシャープな画像に分解することを目的としている。 本稿では, ローリングシャッター画像におけるスキャニングラインの遅延の順序を利用して, 単一のぼやけた画像の運動分解を強固にする手法を提案する。
  論文  参考訳（メタデータ） (2024-04-01T13:55:40Z)
• Dual-Camera Joint Deblurring-Denoising [24.129908866882346]
  高品質な画像を得るための新しいデュアルカメラ手法を提案する。 本手法では,1台のカメラで撮影した短い露光画像の同期バーストと,もう1台のカメラで撮影した長時間露光画像を用いる。 本手法は,GoProデータセットから得られた合成デュアルカメラ画像に対して,次の最適手法に比べて5倍のトレーニングパラメータで最先端の結果を得られる。
  論文  参考訳（メタデータ） (2023-09-16T00:58:40Z)
• Recovering Continuous Scene Dynamics from A Single Blurry Image with Events [58.7185835546638]
  インプリシットビデオ関数(IVF)は、同時イベントを伴う単一の動きのぼやけた画像を表現する。 両モードの利点を効果的に活用するために、二重注意変換器を提案する。 提案するネットワークは,限られた参照タイムスタンプの地平線画像の監督のみで訓練される。
  論文  参考訳（メタデータ） (2023-04-05T18:44:17Z)
• Joint Video Multi-Frame Interpolation and Deblurring under Unknown Exposure Time [101.91824315554682]
  本研究では,より現実的で挑戦的なタスク – 複数フレームのジョイントビデオと,未知の露光時間下での劣化 – を野心的に目標とする。 我々はまず,入力されたぼやけたフレームから露出認識表現を構築するために,教師付きコントラスト学習の変種を採用する。 次に、プログレッシブ露光適応型畳み込みと動き改善による露出と動きの表現に基づいて、映像再構成ネットワークを構築した。
  論文  参考訳（メタデータ） (2023-03-27T09:43:42Z)
• Learn to See Faster: Pushing the Limits of High-Speed Camera with Deep Underexposed Image Denoising [12.507566152678857]
  高精細度動画を高い取得率で記録する能力は、高速移動現象の研究の中心である。 高速移動シーンの撮影が難しいのは、動きのぼやけと低露出ノイズのトレードオフにある。 本稿では,このトレードオフに対処するために,高速撮像の問題を過度に露呈した画像復調問題として扱うことを提案する。
  論文  参考訳（メタデータ） (2022-11-29T09:10:50Z)
• Self-Supervised Image Restoration with Blurry and Noisy Pairs [66.33313180767428]
  ISOの高い画像は、通常難聴のノイズを持つが、長時間露光画像は、カメラの揺れや物体の動きによってぼやけている。 既存のソリューションは一般に、ノイズとブラーのバランスを求め、フルビジョンまたはセルフスーパービジョンのどちらかの下でデノイングやデブロワーリングのモデルを学ぶことを提案している。 本稿では,短時間露光ノイズ画像と長時間露光ぼかし画像との併用による画像復元を提案する。
  論文  参考訳（メタデータ） (2022-11-14T12:57:41Z)
• Robust Scene Inference under Noise-Blur Dual Corruptions [20.0721386176278]
  低照度下でのシーン推測は、撮像画像の厳しいノイズのために難しい問題である。 同じシーンの複数の露出を同時に撮影できるカメラの台頭により、このトレードオフを克服することが可能である。 低照度および運動下でのロバスト推論にこれらのマルチ露光キャプチャを利用する手法を提案する。
  論文  参考訳（メタデータ） (2022-07-24T02:52:00Z)
• Learning Spatially Varying Pixel Exposures for Motion Deblurring [49.07867902677453]
  本研究では,空間的に異なる画素の露光を利用して動きを損なう新しい手法を提案する。 我々の研究は、未来のコンピュータイメージングにおいて、焦点面センサー-プロセッサが果たすべき役割を説明している。
  論文  参考訳（メタデータ） (2022-04-14T23:41:49Z)
• Neural Re-rendering for Full-frame Video Stabilization [144.9918806873405]
  まず,高密度ワープ場を推定し,フルフレーム映像安定化のためのアルゴリズムを提案する。 フルフレーム安定化フレームは、隣接するフレームから歪んだコンテンツを融合することで合成することができる。
  論文  参考訳（メタデータ） (2021-02-11T18:59:45Z)
• Exposure Trajectory Recovery from Motion Blur [90.75092808213371]
  ダイナミックシーンにおける動きのぼやけは重要な研究テーマである。 本稿では、ぼやけた画像に含まれる動き情報を表す露光軌跡を定義する。 静止シャープ画像の画素方向の変位をモデル化するための新しい動きオフセット推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-06T05:23:33Z)

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。