論文の概要: Tuning IR-cut Filter for Illumination-aware Spectral Reconstruction from RGB

• arxiv url: http://arxiv.org/abs/2103.14708v1
• Date: Fri, 26 Mar 2021 19:42:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-03 16:32:22.058189
• Title: Tuning IR-cut Filter for Illumination-aware Spectral Reconstruction from RGB
• Title（参考訳）: rgbによる照明アウェアスペクトル再構成のためのirカットフィルタのチューニング
• Authors: Bo Sun, Junchi Yan, Xiao Zhou, and Yinqiang Zheng
• Abstract要約: 再現精度は、使用中のRGBカメラのスペクトル応答に大きく依存していることが証明されている。 本稿では,既存のrgbカメラのフィルタアレイに基づくカラーイメージング機構を調査し,irカットフィルタの設計方法を提案する。
• 参考スコア（独自算出の注目度）: 84.1657998542458
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: To reconstruct spectral signals from multi-channel observations, in particular trichromatic RGBs, has recently emerged as a promising alternative to traditional scanning-based spectral imager. It has been proven that the reconstruction accuracy relies heavily on the spectral response of the RGB camera in use. To improve accuracy, data-driven algorithms have been proposed to retrieve the best response curves of existing RGB cameras, or even to design brand new three-channel response curves. Instead, this paper explores the filter-array based color imaging mechanism of existing RGB cameras, and proposes to design the IR-cut filter properly for improved spectral recovery, which stands out as an in-between solution with better trade-off between reconstruction accuracy and implementation complexity. We further propose a deep learning based spectral reconstruction method, which allows to recover the illumination spectrum as well. Experiment results with both synthetic and real images under daylight illumination have shown the benefits of our IR-cut filter tuning method and our illumination-aware spectral reconstruction method.
• Abstract（参考訳）: 多チャンネル観測、特にトリクロマトグラフィーRGBからのスペクトル信号を再構成するために、従来の走査型分光画像装置の代替として最近登場した。 再現精度は、使用中のRGBカメラのスペクトル応答に大きく依存していることが証明されている。 精度を向上させるため、既存のRGBカメラの最良の応答曲線を検索したり、新しい3チャンネル応答曲線を設計したりするためのデータ駆動アルゴリズムが提案されている。 そこで本研究では,既存のRGBカメラのフィルタアレイによるカラーイメージング機構について検討し,スペクトル回復のためのIRカットフィルタを適切に設計することを提案する。 さらに,照明スペクトルの復元を可能にする深層学習に基づくスペクトル再構成法を提案する。 日光照明下での合成画像と実画像の両方による実験結果から、赤外線カットフィルタチューニング法と照明対応スペクトル再構成法の利点が示された。

関連論文リスト

• Limitations of Data-Driven Spectral Reconstruction -- Optics-Aware Analysis and Mitigation [22.07699685165064]
  コスト効率のよいRGBカメラで撮影したRGB画像からスペクトル情報を抽出することを目的とした,データ駆動型スペクトル再構成の最近の取り組み。 我々は、現在のデータセットとオーバーフィッティングに関する実用的制限と、RGB画像に符号化された情報の性質に関する基本的な制限の両方を評価する。 本稿では,メタデータデータ拡張と光学レンズ収差の組み合わせを利用して,RGB画像へのメタデータ情報の符号化を改善することを提案する。
  論文  参考訳（メタデータ） (2024-01-08T11:46:45Z)
• SpectralNeRF: Physically Based Spectral Rendering with Neural Radiance Field [70.15900280156262]
  本稿では,新しいスペクトルの観点から,高品質な物理ベースレンダリングのためのエンドツーエンドニューラルラジアンスフィールド(NeRF)アーキテクチャを提案する。 スペクトルNeRFは、合成データセットと実データセットの新しいビューを合成する際に、最近のNeRFベースの方法よりも優れている。
  論文  参考訳（メタデータ） (2023-12-14T07:19:31Z)
• Spec-NeRF: Multi-spectral Neural Radiance Fields [9.242830798112855]
  異なるフィルタでフィルタされたカラー画像の集合から,マルチスペクトルレーダランス場とスペクトル感度関数(SSF)を共同で再構成する多スペクトルニューラルレイダランス場(Spec-NeRF)を提案する。 合成シナリオと実シナリオの両方を対象とした実験により, フィルタされたRGB画像と学習可能なNeRF, SSFを併用することで, 高い忠実度と有望なスペクトル再構成が達成できることを示した。
  論文  参考訳（メタデータ） (2023-09-14T16:17:55Z)
• Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
  従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。 我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T08:29:19Z)
• Symmetric Uncertainty-Aware Feature Transmission for Depth Super-Resolution [52.582632746409665]
  カラー誘導DSRのためのSymmetric Uncertainty-aware Feature Transmission (SUFT)を提案する。 本手法は最先端の手法と比較して優れた性能を実現する。
  論文  参考訳（メタデータ） (2023-06-01T06:35:59Z)
• Learning to Recover Spectral Reflectance from RGB Images [20.260831758913902]
  RGB画像からのスペクトル反射率回復(SRR)は困難で費用がかかる。 既存のほとんどのアプローチは、合成画像に基づいて訓練され、見知らぬすべてのテスト画像に同じパラメータを使用する。 本稿では,訓練済みのネットワークパラメータを各テスト画像に微調整し,外部情報と内部情報を組み合わせた自己教師付きメタ補助学習(MAXL)戦略を提案する。
  論文  参考訳（メタデータ） (2023-04-04T23:27:02Z)
• Deep Coding Patterns Design for Compressive Near-Infrared Spectral Classification [80.93625278357229]
  スペクトル分類は、測定に埋め込まれたスペクトル情報の量を考慮して、圧縮領域で直接行うことができる。 本研究では,CSIにおける符号化パターンとネットワークパラメータを協調的に設計し,組込み近赤外圧縮測定から直接スペクトル分類を行うエンド・ツー・エンド手法を提案する。
  論文  参考訳（メタデータ） (2022-05-27T15:55:53Z)
• Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB Images in the Wild [48.44194221801609]
  この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。 我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。 提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
  論文  参考訳（メタデータ） (2021-08-15T05:19:44Z)
• Spectral MVIR: Joint Reconstruction of 3D Shape and Spectral Reflectance [15.600451871592107]
  画像形成における幾何学的原理とフォトメトリック原理の両方を考慮したレンダリングモデルを提案する。 直交スペクトル反射率と3次元形状の連成再構成のためのコスト最適化MVIRフレームワークを構築した。
  論文  参考訳（メタデータ） (2021-04-15T08:36:23Z)
• Fast Hyperspectral Image Recovery via Non-iterative Fusion of Dual-Camera Compressive Hyperspectral Imaging [22.683482662362337]
  符号化開口分光画像(CASSI)は3次元ハイパースペクトル像(HSI)を撮像するための有望な技術である 様々な正規化器を用いて2次元計測から3次元データを再構成している。 実現可能な解決策の1つは、CASSIのRGB測定などの追加情報を活用することです。
  論文  参考訳（メタデータ） (2020-12-30T10:29:32Z)

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。