論文の概要: An End-to-End Autofocus Camera for Iris on the Move

• arxiv url: http://arxiv.org/abs/2106.15069v1
• Date: Tue, 29 Jun 2021 03:00:39 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-01 05:21:10.992693
• Title: An End-to-End Autofocus Camera for Iris on the Move
• Title（参考訳）: 移動中のアイリスのための終端オートフォーカスカメラ
• Authors: Leyuan Wang, Kunbo Zhang, Yunlong Wang, Zhenan Sun
• Abstract要約: 本稿では,焦点可変レンズを用いた移動物体の虹彩領域を能動的に再焦点する高速オートフォーカスカメラを提案する。 我々のエンドツーエンドの計算アルゴリズムは、1つのぼやけた画像からベストフォーカス位置を予測し、自動的にレンズダイオプタ制御信号を生成する。 その結果,静的および動的シーンにおける生体認識のためのカメラの利点が示された。
• 参考スコア（独自算出の注目度）: 48.14011526385088
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: For distant iris recognition, a long focal length lens is generally used to ensure the resolution ofiris images, which reduces the depth of field and leads to potential defocus blur. To accommodate users at different distances, it is necessary to control focus quickly and accurately. While for users in motion, it is expected to maintain the correct focus on the iris area continuously. In this paper, we introduced a novel rapid autofocus camera for active refocusing ofthe iris area ofthe moving objects using a focus-tunable lens. Our end-to-end computational algorithm can predict the best focus position from one single blurred image and generate a lens diopter control signal automatically. This scene-based active manipulation method enables real-time focus tracking of the iris area ofa moving object. We built a testing bench to collect real-world focal stacks for evaluation of the autofocus methods. Our camera has reached an autofocus speed ofover 50 fps. The results demonstrate the advantages of our proposed camera for biometric perception in static and dynamic scenes. The code is available at https://github.com/Debatrix/AquulaCam.
• Abstract（参考訳）: 遠方虹彩認識では、長焦点長レンズは、遠方虹彩像の解像度を確保するために一般的に用いられ、視野の深さを減少させ、潜在的な焦点ずれを生じさせる。 異なる距離のユーザに対応するためには、フォーカスを迅速かつ正確に制御する必要がある。 動作中のユーザに対しては,虹彩領域に対する適切なフォーカスを継続的に維持することが期待される。 本稿では,焦点可変レンズを用いて移動物体の虹彩領域を能動的に再焦点する高速オートフォーカスカメラを提案する。 我々のエンドツーエンドの計算アルゴリズムは、1つのぼやけた画像からベストフォーカス位置を予測し、自動的にレンズダイオプタ制御信号を生成する。 移動物体の虹彩領域のリアルタイムな焦点追跡を可能にするシーンベース能動操作方法。 オートフォーカス手法の評価のために,実世界の焦点スタックを収集するテストベンチを構築した。 私たちのカメラは50fps以上のオートフォーカス速度に達した。 提案するカメラの静的および動的シーンにおけるバイオメトリック知覚におけるアドバンテージを示す。 コードはhttps://github.com/Debatrix/AquulaCamで公開されている。

関連論文リスト

• $\text{DC}^2$: Dual-Camera Defocus Control by Learning to Refocus [38.24734623691387]
  合成カメラ開口,焦点距離,任意のデフォーカス効果のデフォーカス制御システムを提案する。 私たちの重要な洞察は、デフォーカスを学習するためのプロキシタスクとしてイメージリフォーカスを使用することで、実世界のスマートフォンカメラデータセットを活用することです。 我々は,傾きシフトやコンテンツベースのデフォーカス効果を含む,クリエイティヴ・キャプチャー後デフォーカス制御の実現を実証する。
  論文  参考訳（メタデータ） (2023-04-06T17:59:58Z)
• Improving Fast Auto-Focus with Event Polarity [5.376511424333543]
  本稿では,新しい高速かつ高精度なイベントベースフォーカスアルゴリズムを提案する。 パブリックイベントベースのオートフォーカスデータセット(EAD)の実験は、モデルの堅牢性を示している。 焦点の深さが1度未満の正確なフォーカスは、私たちの自作高速フォーカスプラットフォームで0.004秒以内に達成されます。
  論文  参考訳（メタデータ） (2023-03-15T13:36:13Z)
• Deep Depth from Focal Stack with Defocus Model for Camera-Setting Invariance [19.460887007137607]
  シーン深度を推定するための入力として焦点スタックを利用する,フォーカス/デフォーカス(DFF)からの学習に基づく深度を提案する。 提案手法は, 合成ドメインギャップに対して頑健であり, 最先端の性能を示す。
  論文  参考訳（メタデータ） (2022-02-26T04:21:08Z)
• Event Guided Depth Sensing [50.997474285910734]
  バイオインスパイアされたイベントカメラ駆動深度推定アルゴリズムを提案する。 提案手法では,イベントカメラが検出したシーン活動に応じて,関心領域を高密度に照明する。 シミュレーションされた自律運転シーケンスと実際の屋内環境におけるアプローチの実現可能性を示す。
  論文  参考訳（メタデータ） (2021-10-20T11:41:11Z)
• Defocus Map Estimation and Deblurring from a Single Dual-Pixel Image [54.10957300181677]
  本稿では,1枚のデュアルピクセルイメージを入力として,画像のデフォーカスマップを同時に推定する手法を提案する。 本手法は,デフォーカスマップ推定とぼかし除去の両方において,教師なしでも事前作業を改善する。
  論文  参考訳（メタデータ） (2021-10-12T00:09:07Z)
• Geometric Scene Refocusing [9.198471344145092]
  本研究では,焦点スタックの文脈における浅層深度画像の微視的特徴について検討する。 焦点内画素、二重焦点画素、焦点スライス間のボケと空間的に異なるぼやけたカーネルを示す画素を同定する。 幾何的に正しい方法で捕獲後再フォーカスのための包括的アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-12-20T06:33:55Z)
• Defocus Blur Detection via Depth Distillation [64.78779830554731]
  初めてDBDに深度情報を導入します。 より詳しくは, 地底の真理と, 十分に訓練された深度推定ネットワークから抽出した深度から, デフォーカスのぼかしを学習する。 我々の手法は、2つの一般的なデータセット上で11の最先端の手法より優れています。
  論文  参考訳（メタデータ） (2020-07-16T04:58:09Z)
• Rendering Natural Camera Bokeh Effect with Deep Learning [95.86933125733673]
  ボケ(Bokeh)は、写真に焦点をあてる重要な芸術効果である。 モバイルカメラは、光学の直径が非常に小さいため、被写界深度が浅い写真を作ることができない。 本稿では,デジタル一眼レフカメラで撮影された写真から直接,現実的な浅層焦点技術を学ぶことを提案する。
  論文  参考訳（メタデータ） (2020-06-10T07:28:06Z)
• Defocus Deblurring Using Dual-Pixel Data [41.201653787083735]
  デフォーカスのぼかしは、広い開口部の使用により被写界深度が浅い画像に現れる。 最新のカメラで検出されるデュアルピクセル(DP)センサで利用可能なデータを活用する,効果的なデフォーカスデブロリング手法を提案する。
  論文  参考訳（メタデータ） (2020-05-01T10:38:00Z)
• Rapid Whole Slide Imaging via Learning-based Two-shot Virtual Autofocusing [57.90239401665367]
  ホイルスライドイメージング(WSI)は、デジタル病理の新たな技術である。 本稿では,リフォーカスを行うための機械的調整に依存しないテキスト仮想オートフォーカスの概念を提案する。
  論文  参考訳（メタデータ） (2020-03-14T13:40:33Z)

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。