論文の概要: Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution
- arxiv url: http://arxiv.org/abs/2104.03078v1
- Date: Wed, 7 Apr 2021 12:00:38 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-08 18:36:43.032865
- Title: Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution
- Title(参考訳): 深層優先型デコンボリューションを用いた普遍的・柔軟光収差補正
- Authors: Xiu Li, Jinli Suo, Weihang Zhang, Xin Yuan, Qionghai Dai
- Abstract要約: そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
- 参考スコア(独自算出の注目度): 51.274657266928315
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: High quality imaging usually requires bulky and expensive lenses to
compensate geometric and chromatic aberrations. This poses high constraints on
the optical hash or low cost applications. Although one can utilize algorithmic
reconstruction to remove the artifacts of low-end lenses, the degeneration from
optical aberrations is spatially varying and the computation has to trade off
efficiency for performance. For example, we need to conduct patch-wise
optimization or train a large set of local deep neural networks to achieve high
reconstruction performance across the whole image. In this paper, we propose a
PSF aware plug-and-play deep network, which takes the aberrant image and PSF
map as input and produces the latent high quality version via incorporating
lens-specific deep priors, thus leading to a universal and flexible optical
aberration correction method. Specifically, we pre-train a base model from a
set of diverse lenses and then adapt it to a given lens by quickly refining the
parameters, which largely alleviates the time and memory consumption of model
learning. The approach is of high efficiency in both training and testing
stages. Extensive results verify the promising applications of our proposed
approach for compact low-end cameras.
- Abstract(参考訳): 高品質な撮像は通常、幾何学的および彩度の収差を補うためにかさばる高価なレンズを必要とする。
これは光学ハッシュや低コストのアプリケーションに高い制約をもたらす。
アルゴリズムによる再構成によってローエンドレンズのアーティファクトを除去することはできるが、光学収差による劣化は空間的に変化し、計算は性能のために効率をトレードオフしなければならない。
例えば、画像全体にわたって高い再構成性能を達成するためには、パッチワイズ最適化や、大規模なローカルディープニューラルネットワークのトレーニングが必要です。
本稿では,レンズ固有の奥行きを組み込んで,アベラント画像とPSFマップを入力とし,潜時高画質版を生成するPSF対応のプラグアンドプレイディープネットワークを提案し,広義かつフレキシブルな光収差補正手法を提案する。
具体的には,多種多様なレンズの集合からベースモデルを事前訓練し,パラメータを迅速に精製することにより,モデル学習の時間とメモリ消費の軽減を図る。
このアプローチは、トレーニング段階とテスト段階の両方において高い効率性を持つ。
その結果,小型ローエンドカメラへの提案手法の適用性が確認された。
関連論文リスト
- DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳(メタデータ) (2023-12-12T06:07:21Z) - Revealing the preference for correcting separated aberrations in joint
optic-image design [19.852225245159598]
我々は、スマートフォンやドローンのような複雑なシステムの効率的な共同設計を実現するために、分離された収差を持つ光学を特徴付ける。
視野が大きいレンズの真の撮像手順を再現する画像シミュレーションシステムを提案する。
共同設計における分離収差補正の選好は, 縦色収差, 横色収差, 球状収差, フィールド曲率, コマの順である。
論文 参考訳(メタデータ) (2023-09-08T14:12:03Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳(メタデータ) (2023-08-31T04:58:17Z) - Enhancing Low-light Light Field Images with A Deep Compensation
Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳(メタデータ) (2023-08-10T07:53:06Z) - Optical Aberration Correction in Postprocessing using Imaging Simulation [17.331939025195478]
モバイル写真の人気は増え続けている。
最近のカメラは、これらの修正作業の一部を光学設計から後処理システムに移行した。
光学収差による劣化を回復するための実用的手法を提案する。
論文 参考訳(メタデータ) (2023-05-10T03:20:39Z) - Neural Lens Modeling [50.57409162437732]
NeuroLens(ニューロレンス)は、点投影と光線鋳造に使用できる歪みと磁化のための神経レンズモデルである。
古典的なキャリブレーションターゲットを使用してプリキャプチャのキャリブレーションを行うことができ、後に3D再構成の際にキャリブレーションやリファインメントを行うために使用できる。
このモデルは、多くのレンズタイプにまたがって一般化されており、既存の3D再構成とレンダリングシステムとの統合は容易である。
論文 参考訳(メタデータ) (2023-04-10T20:09:17Z) - Effective Invertible Arbitrary Image Rescaling [77.46732646918936]
Invertible Neural Networks (INN)は、ダウンスケーリングとアップスケーリングのサイクルを共同で最適化することにより、アップスケーリングの精度を大幅に向上させることができる。
本研究の1つのモデルのみをトレーニングすることにより、任意の画像再スケーリングを実現するために、単純で効果的な非可逆的再スケーリングネットワーク(IARN)を提案する。
LR出力の知覚品質を損なうことなく、双方向任意再スケーリングにおいて最先端(SOTA)性能を実現する。
論文 参考訳(メタデータ) (2022-09-26T22:22:30Z) - LWGNet: Learned Wirtinger Gradients for Fourier Ptychographic Phase
Retrieval [14.588976801396576]
本稿では,フォワードイメージングシステムの知識と深層データ駆動ネットワークを組み合わせたハイブリッドモデル駆動残差ネットワークを提案する。
従来のアンローリング技術とは異なり、LWGNetは従来のディープ・ラーニング・テクニックよりも少ない段数しか使用していない。
この低ビット深度・低コストセンサの性能向上は、FPM撮像装置のコストを大幅に下げる可能性がある。
論文 参考訳(メタデータ) (2022-08-08T17:22:54Z) - Real-Time, Deep Synthetic Aperture Sonar (SAS) Autofocus [34.77467193499518]
合成開口ソナー(sas)は、送信/受信波形の正確な飛行時間計測を必要とする。
これを解決するために、画像再構成後の後処理ステップとして、Emphautofocusアルゴリズムを用いて、画像フォーカスを改善する。
これらの限界を克服し、データ駆動方式で重み付け関数を暗黙的に学習するための深層学習手法を提案する。
論文 参考訳(メタデータ) (2021-03-18T15:16:29Z)
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。