論文の概要: Lightness Modulated Deep Inverse Tone Mapping
- arxiv url: http://arxiv.org/abs/2107.07907v1
- Date: Fri, 16 Jul 2021 13:56:20 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-19 14:28:05.875492
- Title: Lightness Modulated Deep Inverse Tone Mapping
- Title（参考訳）: 光度変調による深部逆トーンマッピング
- Authors: Kanglin Liu, Gaofeng Cao, Jiang Duan, Guoping Qiu
- Abstract要約: シングルイメージHDR再構成や逆トーンマッピング(iTM)は難しい課題である。
深層畳み込みニューラルネットワーク(CNN)の特徴抽出とマッピング能力を利用した深層学習に基づくiTM法を提案する。
本手法の有効性を示す実験結果について述べる。
- 参考スコア（独自算出の注目度）: 18.31269649436267
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Single-image HDR reconstruction or inverse tone mapping (iTM) is a
challenging task. In particular, recovering information in over-exposed regions
is extremely difficult because details in such regions are almost completely
lost. In this paper, we present a deep learning based iTM method that takes
advantage of the feature extraction and mapping power of deep convolutional
neural networks (CNNs) and uses a lightness prior to modulate the CNN to better
exploit observations in the surrounding areas of the over-exposed regions to
enhance the quality of HDR image reconstruction. Specifically, we introduce a
Hierarchical Synthesis Network (HiSN) for inferring a HDR image from a LDR
input and a Lightness Adpative Modulation Network (LAMN) to incorporate the the
lightness prior knowledge in the inferring process. The HiSN hierarchically
synthesizes the high-brightness component and the low-brightness component of
the HDR image whilst the LAMN uses a lightness adaptive mask that separates
detail-less saturated bright pixels from well-exposed lower light pixels to
enable HiSN to better infer the missing information, particularly in the
difficult over-exposed detail-less areas. We present experimental results to
demonstrate the effectiveness of the new technique based on quantitative
measures and visual comparisons. In addition, we present ablation studies of
HiSN and visualization of the activation maps inside LAMN to help gain a deeper
understanding of the internal working of the new iTM algorithm and explain why
it can achieve much improved performance over state-of-the-art algorithms.
- Abstract（参考訳）: シングルイメージHDR再構成や逆トーンマッピング(iTM)は難しい課題である。
特に,その地域の詳細がほぼ完全に失われているため,過剰露出領域における情報の復元は極めて困難である。
本稿では、深層畳み込みニューラルネットワーク(CNN)の特徴抽出とマッピング能力を活用し、CNNの変調前の明るさを利用して、過剰露光領域の周囲の観測をよりよく活用し、HDR画像再構成の質を高める深層学習に基づくiTM法を提案する。
具体的には、LDR入力からHDR画像を推測するための階層型合成ネットワーク(HiSN)と、その推論プロセスにおける光度事前知識を組み込むための光度適応変調ネットワーク(LAMN)を導入する。
HiSNはHDR画像の高明度成分と低明度成分を階層的に合成する一方、LAMNは明度適応マスクを用いて、明度のない飽和画素をよく露出した下光画素から分離し、特に難解な明度のない領域において、HiSNが欠落した情報をより正確に推測できるようにする。
本研究は,定量的測定と視覚的比較に基づく新しい手法の有効性を示す実験結果である。
さらに,hisnのアブレーション研究とlamn内部のアクティベーションマップの可視化により,新しいitmアルゴリズムの内部動作の理解を深めるとともに,最先端アルゴリズムよりも性能が向上する理由を説明する。
関連論文リスト
- Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry
from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。
実験により、照射場は幾何復元とHDR再構成の両方において最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-12-26T08:10:22Z) - LDM-ISP: Enhancing Neural ISP for Low Light with Latent Diffusion Models [54.93010869546011]
本稿では,事前学習した潜伏拡散モデルを用いて,超低照度画像の高精細化のためのニューラルISPを実現することを提案する。
具体的には、RAWドメイン上で動作するために事前訓練された潜在拡散モデルを調整するために、軽量なテーミングモジュールのセットをトレーニングする。
遅延拡散モデルにおけるUNet復調と復号化の異なる役割を観察し、低照度画像強調タスクを遅延空間低周波コンテンツ生成と復号位相高周波ディテール保守に分解するきっかけとなる。
論文 参考訳（メタデータ） (2023-12-02T04:31:51Z) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳（メタデータ） (2023-08-16T08:46:51Z) - Low-Light Hyperspectral Image Enhancement [90.84144276935464]
本研究は,暗黒領域に隠された空間スペクトル情報を明らかにすることを目的とした,低照度HSI強調タスクに焦点を当てた。
ラプラシアのピラミッドの分解と再構成に基づいて, エンド・ツー・エンドのデータ駆動型低照度HSIエンハンスメント(HSIE)手法を開発した。
定量的評価と視覚効果の両面でのHSIEの有効性と効果を実証した。
論文 参考訳（メタデータ） (2022-08-05T08:45:52Z) - INFWIDE: Image and Feature Space Wiener Deconvolution Network for
Non-blind Image Deblurring in Low-Light Conditions [32.35378513394865]
画像と特徴空間Wener deconvolution Network (INFWIDE) と呼ばれる新しい非盲点分解法を提案する。
INFWIDEは、画像空間におけるノイズを除去し、飽和領域を幻覚し、特徴空間におけるリングアーティファクトを抑制する。
合成データと実データを用いた実験は,提案手法の優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-17T15:22:31Z) - Lightweight HDR Camera ISP for Robust Perception in Dynamic Illumination
Conditions via Fourier Adversarial Networks [35.532434169432776]
照明とノイズ除去の逐次的バランスをとる軽量な2段階画像強調アルゴリズムを提案する。
また、異なる照明条件下での一貫した画像強調のためのフーリエスペクトルベース対向フレームワーク(AFNet)を提案する。
また,定量的および定性的な評価に基づいて,画像強調技術が共通認識タスクの性能に与える影響について検討した。
論文 参考訳（メタデータ） (2022-04-04T18:48:51Z) - Deep HDR Hallucination for Inverse Tone Mapping [7.310237013012436]
本研究は,LDR画像の被曝領域から欠落した情報を幻覚するGANに基づく手法を提案する。
これは、よく露出した領域に対して優れたダイナミックレンジ拡張と、飽和した領域と未露出の領域に対するプラウシブル幻覚を提供する。
論文 参考訳（メタデータ） (2021-06-17T13:35:40Z) - Adaptive Gradient Balancing for UndersampledMRI Reconstruction and
Image-to-Image Translation [60.663499381212425]
本研究では,新しい適応勾配バランス手法を併用したwasserstein生成逆ネットワークを用いて,画質の向上を図る。
MRIでは、他の技術よりも鮮明な画像を生成する高品質の再構築を維持しながら、アーティファクトを最小限に抑えます。
論文 参考訳（メタデータ） (2021-04-05T13:05:22Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳（メタデータ） (2021-03-24T08:16:32Z) - End-to-End Differentiable Learning to HDR Image Synthesis for
Multi-exposure Images [23.895981099137533]
与えられた単一露光からの多重露光スタックに基づく高ダイナミックレンジ()画像再構成は、ディープラーニングフレームワークを用いて高品質なHDR画像を生成する。
我々は, スタック再構成に基づく手法において, 完全に微分可能な高ダイナミックレンジイメージング(I)プロセスを用いた新しいフレームワークを提案する。
言い換えれば、我々の微分可能なHDR合成層は、深層ニューラルネットワークがHDRIプロセスにおけるマルチ露光画像間の正確な相関を反映しながら、マルチ露光スタックを作成する訓練を支援する。
論文 参考訳（メタデータ） (2020-06-29T06:47:07Z)
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。