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

• Unsupervised Low-light Image Enhancement with Lookup Tables and Diffusion Priors [38.96909959677438]
  低照度画像強調(LIE)は、低照度環境において劣化した画像を高精度かつ効率的に回収することを目的としている。 近年の先進的なLIE技術は、多くの低正規の光画像対、ネットワークパラメータ、計算資源を必要とするディープニューラルネットワークを使用している。 拡散先行とルックアップテーブルに基づく新しい非教師付きLIEフレームワークを考案し,低照度画像の効率的な回復を実現する。
  論文  参考訳（メタデータ） (2024-09-27T16:37:27Z)
• Perceptual-Distortion Balanced Image Super-Resolution is a Multi-Objective Optimization Problem [23.833099288826045]
  画素ベースの回帰損失を用いた単一画像超解法(SISR)モデルのトレーニングは、高い歪みメトリクススコアを得ることができる。 しかし、高周波の詳細の回復が不十分なため、しばしばぼやけた画像が生じる。 本稿では,Multi-Objective Optimization(MOO)をSISRモデルのトレーニングプロセスに組み込んで,知覚品質と歪みのバランスをとる手法を提案する。
  論文  参考訳（メタデータ） (2024-09-05T02:14:04Z)
• Towards Physics-informed Cyclic Adversarial Multi-PSF Lensless Imaging [0.5371337604556311]
  二重判別器巡回対角線を用いたマルチPSFレンズレスイメージングの新しい手法を提案する。 本稿では,学習ループに統合されたフォワードモデルと相まって,スパース畳み込み型PSF対応補助分岐を持つ独自のジェネレータアーキテクチャを提案する。 提案手法は,既存のPSFに依存しない単一PSF症例に匹敵する性能を達成し,再トレーニングを必要とせずにPSF変化に対するレジリエンスを示す。
  論文  参考訳（メタデータ） (2024-07-09T10:07:28Z)
• 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)
• 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)

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。