論文の概要: Mobile Computational Photography: A Tour

• arxiv url: http://arxiv.org/abs/2102.09000v1
• Date: Wed, 17 Feb 2021 19:43:28 GMT
• ステータス: 処理完了
• システム内更新日: 2021-02-19 14:14:14.709719
• Title: Mobile Computational Photography: A Tour
• Title（参考訳）: モバイル・コンピューティング・フォトグラフィー:ツアー
• Authors: Mauricio Delbracio, Damien Kelly, Michael S. Brown, Peyman Milanfar
• Abstract要約: 最初の携帯電話カメラは20年前に販売され、携帯電話で写真を撮るのは奇妙だった。 今日、スマートフォンは電話よりもカメラが多い。 機械学習を含む現代のアルゴリズムとコンピューティングの進歩は、写真のルールを変えた。
• 参考スコア（独自算出の注目度）: 41.93418497931413
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The first mobile camera phone was sold only 20 years ago, when taking pictures with one's phone was an oddity, and sharing pictures online was unheard of. Today, the smartphone is more camera than phone. How did this happen? This transformation was enabled by advances in computational photography -the science and engineering of making great images from small form factor, mobile cameras. Modern algorithmic and computing advances, including machine learning, have changed the rules of photography, bringing to it new modes of capture, post-processing, storage, and sharing. In this paper, we give a brief history of mobile computational photography and describe some of the key technological components, including burst photography, noise reduction, and super-resolution. At each step, we may draw naive parallels to the human visual system.
• Abstract（参考訳）: 最初の携帯電話はたった20年前に販売されたばかりで、携帯電話で写真を撮るのは奇妙で、オンラインで写真をシェアするのは聞いたことがない。 今日、スマートフォンは電話よりもカメラが多い。 どうしてこんなことが起きたの? この変換は、小さなフォームファクター、モバイルカメラから素晴らしい画像を作る科学と工学の進歩によって実現された。 機械学習を含む現代のアルゴリズムとコンピューティングの進歩は、写真撮影のルールを変更し、キャプチャ、後処理、ストレージ、共有の新しいモードをもたらしました。 本稿では,モバイル・コンピューティング・フォトグラフィーの簡単な歴史を述べるとともに,バースト・フォトグラフィー,ノイズ低減,超解像といった重要な技術要素について述べる。 それぞれのステップで、人間の視覚システムとナイーブな平行線を描くことができる。

関連論文リスト

• MobileMEF: Fast and Efficient Method for Multi-Exposure Fusion [0.6261722394141346]
  本稿では,エンコーダ・デコーダ深層学習アーキテクチャに基づくマルチ露光融合手法を提案する。 我々のモデルは、中距離スマートフォンで2秒未満で4K解像度画像を処理できる。
  論文  参考訳（メタデータ） (2024-08-15T05:03:14Z)
• Point-and-Shoot All-in-Focus Photo Synthesis from Smartphone Camera Pair [25.863069406779125]
  我々は、メイン(ワイド)およびウルトラワイドカメラからのAIF合成の新しいタスクを導入する。 目標は、超ワイドカメラの助けを借りて、メインカメラの写真の焦点のずれた領域の鮮明な詳細を回収することだ。 初めて、メインカメラとウルトラワイドカメラを用いて、ポイント・アンド・ショットのAIF写真合成に成功した。
  論文  参考訳（メタデータ） (2023-04-11T01:09:54Z)
• MicroISP: Processing 32MP Photos on Mobile Devices with Deep Learning [114.66037224769005]
  エッジデバイスに特化して設計された新しいMicroISPモデルを提案する。 提案したソリューションは,モバイルMLライブラリを使用して,最新のスマートフォン上で最大32MPの写真を処理できる。 モデルのアーキテクチャは柔軟で、計算能力の異なるデバイスに複雑性を調整することができる。
  論文  参考訳（メタデータ） (2022-11-08T17:40:50Z)
• Learned Smartphone ISP on Mobile GPUs with Deep Learning, Mobile AI & AIM 2022 Challenge: Report [59.831324427712815]
  この課題は、効率的なエンドツーエンドのAIベースの画像処理パイプラインを開発することを目的としている。 モデルはSnapdragonの8 Gen 1 GPUで評価され、一般的なディープラーニング運用の大部分で優れた加速結果が得られた。 提案されたソリューションは、最近のすべてのモバイルGPUと互換性があり、フルHD写真を20-50ミリ秒未満で処理でき、高い忠実度を達成できる。
  論文  参考訳（メタデータ） (2022-11-07T22:13:10Z)
• Perceptual Image Enhancement for Smartphone Real-Time Applications [60.45737626529091]
  本稿では,知覚的画像強調のための軽量ネットワークLPIENetを提案する。 我々のモデルは、ノイズアーティファクト、回折アーティファクト、ぼかし、HDR過剰露光を扱うことができる。 我々のモデルは、中級商用スマートフォンで1秒未満で2K解像度画像を処理することができる。
  論文  参考訳（メタデータ） (2022-10-24T19:16:33Z)
• MIPI 2022 Challenge on Under-Display Camera Image Restoration: Methods and Results [92.61915017739895]
  我々はMIPI 2022のUDC(Under-Display Camera)画像復元トラックを要約・レビューする。 合計167人の参加者が登録され、19チームが最終テストフェーズで結果を提出した。 この課題で開発されたソリューションは、Under-Display Camera Image Restorationにおける最先端のパフォーマンスを実現した。
  論文  参考訳（メタデータ） (2022-09-15T05:13:25Z)
• Aesthetic Language Guidance Generation of Images Using Attribute Comparison [68.01313297926109]
  インテリジェントな機器やアルゴリズムの改善は、人間の主観的写真技術を置き換えることはできない。 ALG-TとALG-Iに画像の美的言語指導を分割した。 ALG-TとALG-Iは2種類の入力画像に対してそれぞれ美的言語指導を行う。
  論文  参考訳（メタデータ） (2022-08-09T12:35:23Z)
• Face Deblurring using Dual Camera Fusion on Mobile Phones [23.494813096697815]
  動きの速い被写体の運動のぼやけは、写真における長年の問題である。 携帯電話用デュアルカメラフュージョン技術に基づく新しい顔のブラッシングシステムを開発した。 当社のアルゴリズムはGoogle Pixel 6上で効率よく動作します。
  論文  参考訳（メタデータ） (2022-07-23T22:50:46Z)
• AWNet: Attentive Wavelet Network for Image ISP [14.58067200317891]
  本稿では,この学習可能な画像ISP問題に対処するために,AWNetと呼ばれるアテンション機構とウェーブレット変換を利用する新しいネットワークを提案する。 提案手法により,RAW情報から好意的な画像の詳細を復元し,より広い受容領域を実現することができる。 実験結果から,定性的,定量的両測定における設計の進歩が示唆された。
  論文  参考訳（メタデータ） (2020-08-20T23:28:41Z)

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。