論文の概要: Camera View Adjustment Prediction for Improving Image Composition

• arxiv url: http://arxiv.org/abs/2104.07608v1
• Date: Thu, 15 Apr 2021 17:18:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-16 17:55:22.871744
• Title: Camera View Adjustment Prediction for Improving Image Composition
• Title（参考訳）: 画像構成改善のためのカメラビュー調整予測
• Authors: Yu-Chuan Su, Raviteja Vemulapalli, Ben Weiss, Chun-Te Chu, Philip Andrew Mansfield, Lior Shapira, Colvin Pitts
• Abstract要約: 本稿では、撮影前にカメラビューの調整方法について、カメラマンに提案する深層学習に基づくアプローチを提案する。 写真が撮られる前に合成を最適化することで、撮影者がより良い写真を撮れるようになる。
• 参考スコア（独自算出の注目度）: 14.541539156817045
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Image composition plays an important role in the quality of a photo. However, not every camera user possesses the knowledge and expertise required for capturing well-composed photos. While post-capture cropping can improve the composition sometimes, it does not work in many common scenarios in which the photographer needs to adjust the camera view to capture the best shot. To address this issue, we propose a deep learning-based approach that provides suggestions to the photographer on how to adjust the camera view before capturing. By optimizing the composition before a photo is captured, our system helps photographers to capture better photos. As there is no publicly-available dataset for this task, we create a view adjustment dataset by repurposing existing image cropping datasets. Furthermore, we propose a two-stage semi-supervised approach that utilizes both labeled and unlabeled images for training a view adjustment model. Experiment results show that the proposed semi-supervised approach outperforms the corresponding supervised alternatives, and our user study results show that the suggested view adjustment improves image composition 79% of the time.
• Abstract（参考訳）: 画像合成は、写真の品質において重要な役割を果たす。 しかし、すべてのカメラユーザーが、よく構成された写真の撮影に必要な知識や専門知識を持っているわけではない。 撮影後トリミングはコンポジションを改善することがあるが、撮影者がベストショットを撮影するためにカメラビューを調整する必要がある多くの一般的なシナリオでは機能しない。 この問題に対処するために,我々はカメラマンに撮影前にカメラの視点を調整する方法を提案する深層学習に基づくアプローチを提案する。 写真が撮られる前に合成を最適化することで、撮影者がより良い写真を撮れるようになる。 このタスクには公開可能なデータセットがないため、既存の画像トリミングデータセットを再利用してビュー調整データセットを作成する。 さらに,表示調整モデルの学習にラベル付き画像とラベルなし画像の両方を利用する2段階半教師付き手法を提案する。 実験の結果,提案する半教師付きアプローチは,対応する教師付き代替手法よりも優れており,提案する視点調整により画像構成が79%向上することが示された。

関連論文リスト

• Exposure Bracketing is All You Need for Unifying Image Restoration and Enhancement Tasks [50.822601495422916]
  本稿では,露光ブラケット写真を利用して画像復元と拡張作業を統合することを提案する。 実世界のペアの収集が困難であるため,まず合成ペアデータを用いてモデルを事前学習する手法を提案する。 特に,時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Beyond Image Borders: Learning Feature Extrapolation for Unbounded Image Composition [80.14697389188143]
  カメラビューと画像合成(UNIC)の両方を推奨するための共同フレームワークを提案する。 具体的には、現在のカメラプレビューフレームを入力として、ビュー調整のためのレコメンデーションを提供する。 提案手法は、カメラビューと画像合成推奨を示すバウンディングボックスの両方に収束し、その結果を得る。
  論文  参考訳（メタデータ） (2023-09-21T13:10:28Z)
• Photoswap: Personalized Subject Swapping in Images [56.2650908740358]
  Photowapは参照画像から対象の視覚概念を学習し、事前訓練された拡散モデルを用いて対象画像に置き換える。 Photowapは、被験者のスワップ、背景保存、全体的な品質において、人間の評価におけるベースラインの手法を著しく上回っている。
  論文  参考訳（メタデータ） (2023-05-29T17:56:13Z)
• Enhanced Stable View Synthesis [86.69338893753886]
  本稿では,自由に動くカメラから撮影した画像から,新しいビュー合成を強化するアプローチを提案する。 導入されたアプローチは、正確な幾何学的足場とカメラのポーズの復元が困難な屋外シーンに焦点を当てている。
  論文  参考訳（メタデータ） (2023-03-30T01:53:14Z)
• Controllable Image Enhancement [66.18525728881711]
  いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。 エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
  論文  参考訳（メタデータ） (2022-06-16T23:54:53Z)
• PhotoApp: Photorealistic Appearance Editing of Head Portraits [97.23638022484153]
  本稿では,ポートレート画像におけるカメラ視点とシーン照明の高品質な直感的編集手法を提案する。 ほとんどの編集アプローチは、光やカメラステージといった設定でキャプチャされたトレーニングデータを使用した教師あり学習に依存している。 StyleGANの潜在空間で学習する監督問題を設計します。 これは、教師付き学習と生成的敵対的モデリングのベストを組み合わせる。
  論文  参考訳（メタデータ） (2021-03-13T08:59:49Z)
• NICER: Aesthetic Image Enhancement with Humans in the Loop [0.7756211500979312]
  本研究は,完全,半自動,完全手動のプロセスにおいて,非参照画像強調に対するニューラルネットワークに基づくアプローチを提案する。 NICERは,ユーザインタラクションを伴わずに画像美学を向上し,ユーザインタラクションを可能とすることで,多様な改善結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-12-03T09:14:10Z)
• IMU-Assisted Learning of Single-View Rolling Shutter Correction [16.242924916178282]
  ローリングシャッター歪みは、写真やコンピュータビジョンアルゴリズムにとって非常に望ましくない。 回転シャッター補正のための1つの画像から深度と行ワイドポーズを予測するディープニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2020-11-05T21:33:25Z)

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。