論文の概要: NTIRE 2021 Depth Guided Image Relighting Challenge

• arxiv url: http://arxiv.org/abs/2104.13365v1
• Date: Tue, 27 Apr 2021 17:53:32 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-28 13:20:30.570576
• Title: NTIRE 2021 Depth Guided Image Relighting Challenge
• Title（参考訳）: NTIRE 2021 Depth Guided Image Relighting Challenge
• Authors: Majed El Helou and Ruofan Zhou and Sabine Susstrunk and Radu Timofte
• Abstract要約: 本稿では NTIRE 2021 depth guided image relighting Challenge について概説する。 私たちは、深度情報を含む2つのチャレンジトラックのそれぞれにVIDITデータセットに依存しています。 登録参加者は250人近くで,最終コンペティションステージには18のチームが参加しています。
• 参考スコア（独自算出の注目度）: 80.4620366794261
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Image relighting is attracting increasing interest due to its various applications. From a research perspective, image relighting can be exploited to conduct both image normalization for domain adaptation, and also for data augmentation. It also has multiple direct uses for photo montage and aesthetic enhancement. In this paper, we review the NTIRE 2021 depth guided image relighting challenge. We rely on the VIDIT dataset for each of our two challenge tracks, including depth information. The first track is on one-to-one relighting where the goal is to transform the illumination setup of an input image (color temperature and light source position) to the target illumination setup. In the second track, the any-to-any relighting challenge, the objective is to transform the illumination settings of the input image to match those of another guide image, similar to style transfer. In both tracks, participants were given depth information about the captured scenes. We had nearly 250 registered participants, leading to 18 confirmed team submissions in the final competition stage. The competitions, methods, and final results are presented in this paper.
• Abstract（参考訳）: 画像のリライトは様々な用途で注目を浴びている。 研究の観点からは、領域適応のための画像正規化とデータ拡張のための画像リライティングを利用することができる。 また、写真モンタージュや審美強化に複数の直接的用途がある。 本稿では NTIRE 2021 depth guided image relighting Challenge について概説する。 深度情報を含む2つのチャレンジトラックそれぞれについて、viditデータセットに依存しています。 第1トラックは、入力画像(色温度と光源位置)の照明設定を目標照明設定に変換することを目標とするワンツーワン照明である。 第2のトラックであるany-to-any relighting challengeでは、入力画像の照明設定を、スタイル転送と同様に、他のガイド画像の照明設定に合わせるように変換することを目的としている。 両トラックとも、参加者は撮影したシーンについて深い情報を得た。 登録参加者は250人近くで,最終コンペティションステージには18のチームが参加しています。 本論文では,競争,方法,最終結果について述べる。

関連論文リスト

• NTIRE 2024 Challenge on Low Light Image Enhancement: Methods and Results [140.18794489156704]
  本稿では,NTIRE 2024低照度画像強調課題について概説し,提案手法と結果について述べる。 この課題の目的は、様々な条件を扱う際に、より明るくクリアで視覚的に魅力的な結果を生み出すことができる効果的なネットワーク設計やソリューションを見つけることである。 参加者は428人であり、22チームが最終的に有効な応募を行った。
  論文  参考訳（メタデータ） (2024-04-22T15:01:12Z)
• Learning to Relight Portrait Images via a Virtual Light Stage and Synthetic-to-Real Adaptation [76.96499178502759]
  Relightingは、イメージ内の人物を、ターゲットの照明のある環境に現れたかのように再照らすことを目的としている。 最近の手法は、高品質な結果を得るためにディープラーニングに依存している。 そこで本研究では,光ステージを必要とせずに,SOTA(State-of-the-art Relighting Method)と同等に動作可能な新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-09-21T17:15:58Z)
• NTIRE 2021 Challenge on Image Deblurring [111.14036064783835]
  提案手法を用いて,2つのコンペティショントラックの課題仕様と評価結果について述べる。 各競技では338と238の参加者が参加し、最終試験段階では18と17のチームが出場した。 入賞方法は, 共同で組み合わせた人工物を用いて, 画像劣化処理における最先端性能を示す。
  論文  参考訳（メタデータ） (2021-04-30T09:12:53Z)
• Illumination Estimation Challenge: experience of past two years [57.13714732760851]
  第2回照明推定チャレンジ(IEC#2)を行った。 チャレンジには、一般的なもの、屋内のもの、照明が2つあり、それぞれ異なるシーンのパラメーターに焦点を当てていた。 他の主な特徴は、同じカメラセンサーモデルで撮影された画像の新しい大規模なデータセット(約5000)、各画像に付随する手動マークアップ、SpyderCubeキャリブレーションオブジェクトを使用して抽出されたさまざまな照明の下で多くの国で撮影されたシーンの多様なコンテンツ、IEC#1で使用されたCube+データセットからの画像のコンテストのようなマークアップです。
  論文  参考訳（メタデータ） (2020-12-31T17:59:19Z)
• AIM 2020: Scene Relighting and Illumination Estimation Challenge [130.35212468997]
  本稿では,AIM 2020における仮想画像の照準と照度推定における新しいVIDITデータセットを提案する。 最初のトラックは1対1のリライティングであり、目的は、異なる温度と照度でシーンの入力写真をリライティングすることであった。 第2トラックの目標は、所定の画像から照明設定、すなわち色温度と方向を推定することであった。
  論文  参考訳（メタデータ） (2020-09-27T09:16:43Z)
• WDRN : A Wavelet Decomposed RelightNet for Image Relighting [6.731863717520707]
  WDRNと呼ばれるウェーブレットを分解した新しいエンコーダ・デコーダネットワークを提案する。 また、基底真理像の異なる方向に沿って照明の勾配を効率よく学習するグレーロスと呼ばれる新しい損失関数を提案する。
  論文  参考訳（メタデータ） (2020-09-14T18:23:10Z)
• Deep Relighting Networks for Image Light Source Manipulation [37.15283682572421]
  本研究では,1)シーンの再現,2)影の事前推定,3)再レンダリングの3つの部分からなる新しいDeep Relighting Network(DRN)を提案する。 実験の結果,提案手法は質的,定量的に,他の方法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2020-08-19T07:03:23Z)
• VIDIT: Virtual Image Dataset for Illumination Transfer [18.001635516017902]
  VIDIT(Virtual Image dataset for Illumination Transfer)を提案する。 VIDITには、トレーニングに使用される300の仮想シーンが含まれており、各シーンは合計で40回撮影されている。
  論文  参考訳（メタデータ） (2020-05-11T21:58:03Z)

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。