Fugu-MT 論文翻訳(概要): Tone Mapping Based on Multi-scale Histogram Synthesis

論文の概要: Tone Mapping Based on Multi-scale Histogram Synthesis

arxiv url: http://arxiv.org/abs/2102.00408v1
Date: Sun, 31 Jan 2021 08:11:48 GMT
ステータス: 処理完了
システム内更新日: 2021-02-02 15:53:22.798304
Title: Tone Mapping Based on Multi-scale Histogram Synthesis
Title（参考訳）: マルチスケールヒストグラム合成に基づくトーンマッピング
Authors: Jie Yang, Ziyi Liu, Ulian Shahnovich, Orly Yadid-Pecht
Abstract要約: 本稿では,低ダイナミックレンジ(LDR)デバイスにワイドダイナミックレンジ(WDR)画像を表示できる新しいトーンマッピングアルゴリズムを提案する。提案アルゴリズムは,視覚系の対数応答と局所適応特性を主目的とする。実験結果から,提案アルゴリズムは高輝度,良コントラスト,魅力的な画像を生成することができることがわかった。
参考スコア（独自算出の注目度）: 6.6399785438250705
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: In this paper, we present a novel tone mapping algorithm that can be used for displaying wide dynamic range (WDR) images on low dynamic range (LDR) devices. The proposed algorithm is mainly motivated by the logarithmic response and local adaptation features of the human visual system (HVS). HVS perceives luminance differently when under different adaptation levels, and therefore our algorithm uses functions built upon different scales to tone map pixels to different values. Functions of large scales are used to maintain image brightness consistency and functions of small scales are used to preserve local detail and contrast. An efficient method using local variance has been proposed to fuse the values of different scales and to remove artifacts. The algorithm utilizes integral images and integral histograms to reduce computation complexity and processing time. Experimental results show that the proposed algorithm can generate high brightness, good contrast, and appealing images that surpass the performance of many state-of-the-art tone mapping algorithms. This project is available at https://github.com/jieyang1987/ToneMapping-Based-on-Multi-scale-Histogram-Synthesis.
Abstract（参考訳）: 本稿では、低ダイナミックレンジ(LDR)デバイス上で広ダイナミックレンジ(WDR)画像を表示するために使用できる新しいトーンマッピングアルゴリズムを提案する。提案アルゴリズムは主に,人間の視覚系(hvs)の対数応答と局所適応特性に動機づけられている。 HVSは、異なる適応レベルの下で異なる輝度を知覚するので、我々のアルゴリズムは異なるスケールで構築された関数を使って異なる値にピクセルをマッピングする。画像の輝度の整合性を維持するために大規模な関数が使用され、局所的な詳細とコントラストを維持するために小さなスケールの関数が使用される。異なるスケールの値を融合し、アーティファクトを除去するために、局所分散を用いた効率的な方法が提案されている。このアルゴリズムは積分画像と積分ヒストグラムを利用して計算複雑性と処理時間を短縮する。実験結果から,提案アルゴリズムは,多くの最先端トーンマッピングアルゴリズムの性能を超越した,高輝度,良コントラスト,魅力的な画像を生成することができることがわかった。このプロジェクトはhttps://github.com/jieyang1987/ToneMapping-Based-on-Multi-scale-Histogram-Synthesisで入手できる。

関連論文リスト

Multi-Feature Aggregation in Diffusion Models for Enhanced Face Super-Resolution [6.055006354743854]
超解像を生成するために,複数の低画質画像から抽出した特徴と組み合わせた低解像度画像を利用するアルゴリズムを開発した。他のアルゴリズムとは異なり、我々のアプローチは属性情報を明示的に提供せずに顔の特徴を復元する。これは、高解像度画像と低解像度画像を組み合わせて、より信頼性の高い超高解像度画像を生成するコンディショナーとして初めて使用される。
論文参考訳（メタデータ） (2024-08-27T20:08:33Z)
Parameter-Inverted Image Pyramid Networks [49.35689698870247]
Inverted Image Pyramid Networks (PIIP) と呼ばれる新しいネットワークアーキテクチャを提案する。私たちの中核となる考え方は、パラメータサイズの異なるモデルを使用して、画像ピラミッドの解像度の異なるレベルを処理することです。 PIIPは、オブジェクト検出、セグメンテーション、画像分類などのタスクにおいて優れたパフォーマンスを達成する。
論文参考訳（メタデータ） (2024-06-06T17:59:10Z)
Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文参考訳（メタデータ） (2023-08-10T12:53:30Z)
Multiscale Representation for Real-Time Anti-Aliasing Neural Rendering [84.37776381343662]
Mip-NeRFは、スケール情報をエンコードする円錐フラストラムとしてマルチスケール表現を提案する。我々は,リアルタイムなアンチエイリアスレンダリングのためのマルチスケールな明示的表現であるmip voxel grids (Mip-VoG)を提案する。私たちのアプローチは、マルチスケールのトレーニングとリアルタイムのアンチエイリアスレンダリングを同時に提供する最初の方法です。
論文参考訳（メタデータ） (2023-04-20T04:05:22Z)
Scale-MAE: A Scale-Aware Masked Autoencoder for Multiscale Geospatial Representation Learning [55.762840052788945]
本研究では,異なるスケールでデータ間の関係を明示的に学習する事前学習手法であるScale-MAEを提案する。その結果,低周波画像と高周波画像の両方を再構成することで,リモートセンシング画像のマルチスケール表現が堅牢になることがわかった。
論文参考訳（メタデータ） (2022-12-30T03:15:34Z)
Adaptive Local Implicit Image Function for Arbitrary-scale Super-resolution [61.95533972380704]
局所暗黙画像関数(LIIF)は、対応する座標を入力として、画素値が拡張される連続関数として画像を表す。 LIIFは任意のスケールの超解像タスクに適用でき、その結果、様々なアップスケーリング要因に対して単一の効率的かつ効率的なモデルが得られる。この問題を軽減するために,新しい適応型局所像関数(A-LIIF)を提案する。
論文参考訳（メタデータ） (2022-08-07T11:23:23Z)
Sub-Image Histogram Equalization using Coot Optimization Algorithm for Segmentation and Parameter Selection [0.0]
平均および分散に基づくサブイメージヒストグラム等化(MVSIHE)アルゴリズムは,これらのコントラスト強化手法の1つである。本研究では,直近の最適化アルゴリズム,すなわちcoot Optimization algorithm(COA)を用いて,MVSIHEアルゴリズムの適切なパラメータを選択する。その結果, バイオメディカル画像処理の分野では, 提案手法が有効であることが示唆された。
論文参考訳（メタデータ） (2022-05-31T06:51:45Z)
Color Mapping Functions For HDR Panorama Imaging: Weighted Histogram Averaging [31.415704979877557]
入力画像の最も明るい領域と暗い領域における色歪みや詳細の喪失により、異なる露出で複数の画像を縫合することは困難である。本稿では,新しいカラーマッピングアルゴリズムを提案する。まず,重み付きヒストグラム平均化(WHA)の概念を導入する。提案したWHAアルゴリズムは、ヒストグラム画像の最も明るい領域と暗い領域の詳細も保存する。
論文参考訳（メタデータ） (2021-11-14T09:10:32Z)
SAR image matching algorithm based on multi-class features [0.27624021966289597]
合成開口レーダは24/7と24/7の動作が可能で、適用価値が高い。マッチングアルゴリズムのロバスト性を高めるために,主に直線と領域という2種類の特徴を用いて,マルチクラス特徴に基づく新しいSAR画像マッチングアルゴリズムを提案する。実験結果から,本アルゴリズムは高精度なマッチング結果を得ることができ,正確な目標位置決めが可能であり,視点や照明の変化に優れたロバスト性を有することを確認した。
論文参考訳（メタデータ） (2021-08-13T01:07:51Z)
Denoising and Optical and SAR Image Classifications Based on Feature Extraction and Sparse Representation [0.0]
本稿では,光学画像とSAR画像の分類を識別し,特徴抽出し,比較する手法を提案する。光画像データは、リモートセンシングの作業員によって、容易に解釈できるため、土地利用と被覆について調査するために使われてきた。
論文参考訳（メタデータ） (2021-06-03T14:39:30Z)
Single Image Brightening via Multi-Scale Exposure Fusion with Hybrid Learning [48.890709236564945]
小さいISOと小さな露光時間は、通常、背面または低い光条件下で画像をキャプチャするために使用される。本稿では、そのような画像を明るくするために、単一の画像輝度化アルゴリズムを提案する。提案アルゴリズムは,露出時間が大きい2つの仮想画像を生成するための,ユニークなハイブリッド学習フレームワークを含む。
論文参考訳（メタデータ） (2020-07-04T08:23:07Z)

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。