論文の概要: Geometric Scene Refocusing
- arxiv url: http://arxiv.org/abs/2012.10856v1
- Date: Sun, 20 Dec 2020 06:33:55 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-01 04:43:06.602751
- Title: Geometric Scene Refocusing
- Title(参考訳): Geometric Scene Refocusing
- Authors: Parikshit Sakurikar, P. J. Narayanan
- Abstract要約: 本研究では,焦点スタックの文脈における浅層深度画像の微視的特徴について検討する。
焦点内画素、二重焦点画素、焦点スライス間のボケと空間的に異なるぼやけたカーネルを示す画素を同定する。
幾何的に正しい方法で捕獲後再フォーカスのための包括的アルゴリズムを提案する。
- 参考スコア(独自算出の注目度): 9.198471344145092
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: An image captured with a wide-aperture camera exhibits a finite
depth-of-field, with focused and defocused pixels. A compact and robust
representation of focus and defocus helps analyze and manipulate such images.
In this work, we study the fine characteristics of images with a shallow
depth-of-field in the context of focal stacks. We present a composite measure
for focus that is a combination of existing measures. We identify in-focus
pixels, dual-focus pixels, pixels that exhibit bokeh and spatially-varying blur
kernels between focal slices. We use these to build a novel representation that
facilitates easy manipulation of focal stacks. We present a comprehensive
algorithm for post-capture refocusing in a geometrically correct manner. Our
approach can refocus the scene at high fidelity while preserving fine aspects
of focus and defocus blur.
- Abstract(参考訳): 広角カメラで撮影された画像は、焦点を合わせ、焦点を離したピクセルを持つ有限の深度のフィールドを示す。
コンパクトでロバストなフォーカスとデフォーカスの表現は、そのようなイメージの分析と操作に役立ちます。
本研究は,焦点スタックの文脈における被写界深度が浅い画像の微細特性について検討する。
本稿では,既存の尺度の組み合わせであるフォーカスの複合尺度を提案する。
焦点内画素、二重焦点画素、焦点スライス間のボケと空間的に異なるぼやけたカーネルを示す画素を同定する。
これらを用いて、焦点スタックの操作を容易にする新しい表現を構築する。
幾何的に正しい方法で捕獲後再フォーカスのための包括的アルゴリズムを提案する。
我々のアプローチは、フォーカスとデフォーカスの微妙な側面を保ちながら、シーンを高い忠実度で再フォーカスすることができる。
関連論文リスト
- Reblurring-Guided Single Image Defocus Deblurring: A Learning Framework with Misaligned Training Pairs [65.25002116216771]
本稿では,単一画像デフォーカス・デブロアリングのためのリブロアリング誘導学習フレームワークを提案する。
我々のリブラーリングモジュールは、デブラーレッド画像とリブラーレッド画像と入力ぼかし画像との空間的整合性を保証する。
我々は,典型的な誤認識を伴わない単一画像デフォーカスのための新しいデータセットを収集した。
論文 参考訳(メタデータ) (2024-09-26T12:37:50Z) - Towards Real-World Focus Stacking with Deep Learning [97.34754533628322]
焦点ブラケットを用いた94個の高解像度原画像のバーストからなる新しいデータセットを提案する。
このデータセットは、現実世界のアプリケーションに十分な長さのバーストを処理できるフォーカススタックのための最初のディープラーニングアルゴリズムをトレーニングするために使用される。
論文 参考訳(メタデータ) (2023-11-29T17:49:33Z) - Learning Depth from Focus in the Wild [16.27391171541217]
単一焦点スタックからの畳み込みニューラルネットワークによる深度推定を提案する。
本手法では,画像アライメントにおいても,奥行きマップをエンドツーエンドで推定することができる。
提案するネットワークの一般化のために,商用カメラの特徴を現実的に再現するシミュレータを開発した。
論文 参考訳(メタデータ) (2022-07-20T05:23:29Z) - Learning to Deblur using Light Field Generated and Real Defocus Images [4.926805108788465]
デフォーカス・デブロワーリングは、デフォーカス・ボケの性質が空間的に変化するため、困難な作業である。
本稿では,光の強度を活用し,光源の欠点を克服する新しいディープデフォーカス・デブロアリング・ネットワークを提案する。
論文 参考訳(メタデータ) (2022-04-01T11:35:51Z) - Precise Point Spread Function Estimation [6.076995573805468]
我々はデフォーカス過程を記述するために,カメラの点展開関数の正確な数学的モデルを開発する。
標準平面および実物体に関する実験により,提案アルゴリズムがデフォーカス過程を正確に記述できることが示されている。
論文 参考訳(メタデータ) (2022-03-06T12:43:27Z) - Defocus Map Estimation and Deblurring from a Single Dual-Pixel Image [54.10957300181677]
本稿では,1枚のデュアルピクセルイメージを入力として,画像のデフォーカスマップを同時に推定する手法を提案する。
本手法は,デフォーカスマップ推定とぼかし除去の両方において,教師なしでも事前作業を改善する。
論文 参考訳(メタデータ) (2021-10-12T00:09:07Z) - Selective Light Field Refocusing for Camera Arrays Using Bokeh Rendering
and Superresolution [27.944215174962995]
カメラアレイの撮像品質を向上させるための光場再焦点法を提案する。
本手法では,深度に基づく異方性フィルタを用いて非焦点領域(bokeh)を描画する。
提案手法は,他の最先端手法と比較して,計算コストが許容できる優れた視覚性能を実現する。
論文 参考訳(メタデータ) (2021-08-09T10:19:21Z) - Single image deep defocus estimation and its applications [82.93345261434943]
画像パッチを20レベルの曖昧さの1つに分類するために、ディープニューラルネットワークをトレーニングします。
トレーニングされたモデルは、反復重み付きガイドフィルタを適用して改善するパッチのぼかしを決定するために使用される。
その結果、デフォーカスマップは各ピクセルのぼやけた度合いの情報を運ぶ。
論文 参考訳(メタデータ) (2021-07-30T06:18:16Z) - An End-to-End Autofocus Camera for Iris on the Move [48.14011526385088]
本稿では,焦点可変レンズを用いた移動物体の虹彩領域を能動的に再焦点する高速オートフォーカスカメラを提案する。
我々のエンドツーエンドの計算アルゴリズムは、1つのぼやけた画像からベストフォーカス位置を予測し、自動的にレンズダイオプタ制御信号を生成する。
その結果,静的および動的シーンにおける生体認識のためのカメラの利点が示された。
論文 参考訳(メタデータ) (2021-06-29T03:00:39Z) - Defocus Blur Detection via Depth Distillation [64.78779830554731]
初めてDBDに深度情報を導入します。
より詳しくは, 地底の真理と, 十分に訓練された深度推定ネットワークから抽出した深度から, デフォーカスのぼかしを学習する。
我々の手法は、2つの一般的なデータセット上で11の最先端の手法より優れています。
論文 参考訳(メタデータ) (2020-07-16T04:58:09Z) - Defocus Deblurring Using Dual-Pixel Data [41.201653787083735]
デフォーカスのぼかしは、広い開口部の使用により被写界深度が浅い画像に現れる。
最新のカメラで検出されるデュアルピクセル(DP)センサで利用可能なデータを活用する,効果的なデフォーカスデブロリング手法を提案する。
論文 参考訳(メタデータ) (2020-05-01T10:38:00Z)
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。