論文の概要: Light Pollution Reduction in Nighttime Photography
- arxiv url: http://arxiv.org/abs/2106.10046v1
- Date: Fri, 18 Jun 2021 10:38:13 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-21 14:00:18.545617
- Title: Light Pollution Reduction in Nighttime Photography
- Title（参考訳）: 夜間写真における光害低減
- Authors: Chang Liu, Xiaolin Wu
- Abstract要約: 夜間の写真家は、望ましくない人工照明の光汚染に悩まされることが多い。
本稿では,知覚品質の劣化を著しく軽減できる物理ベース光汚染低減(LPR)アルゴリズムを提案する。
- 参考スコア（独自算出の注目度）: 32.87477623401456
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Nighttime photographers are often troubled by light pollution of unwanted
artificial lights. Artificial lights, after scattered by aerosols in the
atmosphere, can inundate the starlight and degrade the quality of nighttime
images, by reducing contrast and dynamic range and causing hazes. In this paper
we develop a physically-based light pollution reduction (LPR) algorithm that
can substantially alleviate the aforementioned degradations of perceptual
quality and restore the pristine state of night sky. The key to the success of
the proposed LPR algorithm is an inverse method to estimate the spatial
radiance distribution and spectral signature of ground artificial lights.
Extensive experiments are carried out to evaluate the efficacy and limitations
of the LPR algorithm.
- Abstract（参考訳）: 夜間の写真家は、望ましくない人工照明の光害に悩むことが多い。
大気中のエアロゾルに散らばった人工的な光は、コントラストとダイナミックレンジを減らして、星の光を浸し、夜間の画質を低下させる。
本稿では,上述した知覚品質の劣化を効果的に軽減し,夜空の原始状態を復元する物理ベース光汚染低減(LPR)アルゴリズムを開発する。
提案したlprアルゴリズムの成功の鍵は、地上人工光の空間放射率分布とスペクトルシグネチャを推定するための逆法である。
LPRアルゴリズムの有効性と限界を評価するために大規模な実験を行った。
関連論文リスト
- Aleth-NeRF: Illumination Adaptive NeRF with Concealing Field Assumption [65.96818069005145]
照明効果を考慮した「コンシーリング場」の概念を導入する。
暗黒のシナリオでは、物体の放出は標準的な照明レベルを維持するが、レンダリング中に空気を横切ると減衰する。
評価のために、難解な照明条件下で得られた総合的な多視点データセットを提案する。
論文 参考訳（メタデータ） (2023-12-14T16:24:09Z) - NDELS: A Novel Approach for Nighttime Dehazing, Low-Light Enhancement,
and Light Suppression [4.976703689624386]
本稿では、NDELS(Nighttime Dehazing, Low-Light Enhancement and Light Suppression)という先駆的なソリューションを紹介する。
NDELSは3つの重要なプロセスを組み合わせて、可視性、低照度領域を強化し、明るい光源からのグレアを効果的に抑制する。
NDELSの有効性は、4つの多様なデータセットにわたる8つの最先端アルゴリズムとの広範な比較を通じて厳密に検証されている。
論文 参考訳（メタデータ） (2023-12-11T21:38:32Z) - From Generation to Suppression: Towards Effective Irregular Glow Removal
for Nighttime Visibility Enhancement [22.565044107631696]
既存の低照度画像強調法 (LLIE) は、主に暗黒領域の明るさを改善するために設計されている。
これらの手法は、他の大きな視界の損傷である、夜間の夜景における光の影響を限定的に探究することができる。
大気点拡散関数(APSF)に基づく多重散乱推定による物理光発生の学習法を提案する。
提案手法はゼロショット学習に基づいており、ペアやアンペアのトレーニングデータに頼らず、光抑制と低照度強化の両方において提案手法の有効性を実証的に評価する。
論文 参考訳（メタデータ） (2023-07-31T15:51:15Z) - Bio-Inspired Night Image Enhancement Based on Contrast Enhancement and
Denoising [0.13124513975412253]
対応する昼間画像と比較して、夜間画像は、低輝度、低コントラスト、高雑音として特徴付けられる。
本稿では,低照度画像をより明るく鮮明なものに変換するために,バイオインスパイアされた画像強調アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-07-11T17:22:22Z) - Unsupervised Night Image Enhancement: When Layer Decomposition Meets
Light-Effects Suppression [67.7508230688415]
層分解ネットワークと光効果抑制ネットワークを統合した教師なし手法を提案する。
本手法は,夜間光効果の抑制と暗黒領域の強度向上において,最先端の手法よりも優れる。
論文 参考訳（メタデータ） (2022-07-21T16:10:24Z) - When the Sun Goes Down: Repairing Photometric Losses for All-Day Depth
Estimation [47.617222712429026]
既存の測光損失を昼夜両方の画像に有効にするための3つの手法の組み合わせについて述べる。
まず、連続するフレーム間で起こる光の変化を補うために、ピクセルごとの神経強度変換を導入する。
第2に,推定エゴモーションと深度によって引き起こされる再投影対応を補正するために,画素ごとの残留フローマップを推定する。
論文 参考訳（メタデータ） (2022-06-28T09:29:55Z) - Nighttime Dehazing with a Synthetic Benchmark [147.21955799938115]
昼間の鮮明な画像から夜間のハズイ画像をシミュレートする3Rという新しい合成法を提案する。
実空間の光色を以前の経験的分布からサンプリングすることにより,現実的な夜間ハズイ画像を生成する。
実験結果は、画像の品質と実行時間の両方の観点から、最先端の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2020-08-10T02:16:46Z) - Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。
本稿では,低照度画像強調のための深層学習手法を提案する。
提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
論文 参考訳（メタデータ） (2020-07-04T06:26:44Z)
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。