論文の概要: Photon-Starved Scene Inference using Single Photon Cameras

• arxiv url: http://arxiv.org/abs/2107.11001v1
• Date: Fri, 23 Jul 2021 02:27:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-26 21:24:41.500875
• Title: Photon-Starved Scene Inference using Single Photon Cameras
• Title（参考訳）: 単一光子カメラを用いた光子飢餓シーン推定
• Authors: Bhavya Goyal, Mohit Gupta
• Abstract要約: 本稿では,PPPレベルの広い範囲にまたがる高SNR画像の集合体として,光子スケール空間を提案する。 特徴表現空間において、異なる照明レベルの画像を互いに近接させる訓練手法を開発した。 提案手法に基づいて,SPADカメラを用いたシミュレーションおよび実実験により,各種推論タスクの高性能化を実証する。
• 参考スコア（独自算出の注目度）: 14.121328731553868
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Scene understanding under low-light conditions is a challenging problem. This is due to the small number of photons captured by the camera and the resulting low signal-to-noise ratio (SNR). Single-photon cameras (SPCs) are an emerging sensing modality that are capable of capturing images with high sensitivity. Despite having minimal read-noise, images captured by SPCs in photon-starved conditions still suffer from strong shot noise, preventing reliable scene inference. We propose photon scale-space a collection of high-SNR images spanning a wide range of photons-per-pixel (PPP) levels (but same scene content) as guides to train inference model on low photon flux images. We develop training techniques that push images with different illumination levels closer to each other in feature representation space. The key idea is that having a spectrum of different brightness levels during training enables effective guidance, and increases robustness to shot noise even in extreme noise cases. Based on the proposed approach, we demonstrate, via simulations and real experiments with a SPAD camera, high-performance on various inference tasks such as image classification and monocular depth estimation under ultra low-light, down to < 1 PPP.
• Abstract（参考訳）: 低照度条件下でのシーン理解は難しい問題である。 これは、カメラによって捕捉される少数の光子と、結果として生じる低信号対雑音比(SNR)に起因する。 単一光子カメラ(SPC)は、高感度で画像をキャプチャできる、新たなセンシングモダリティである。 最小の読み取りノイズにもかかわらず、光子餓死状態のspcによって撮影された画像は依然として強いショットノイズに苦しめられ、信頼できるシーン推論ができない。 我々は,低光子フラックス画像上での推論モデルをトレーニングするためのガイドとして,広帯域の光子/ピクセル(PPP)レベルにまたがる高SNR画像の集合体を提案する。 特徴表現空間において、異なる照明レベルの画像を互いに近接させる訓練手法を開発した。 鍵となるアイデアは、トレーニング中に異なる輝度レベルのスペクトルを持つことが効果的な指導を可能にし、極端なノイズケースでもショットノイズに対する堅牢性を高めることだ。 提案手法に基づいて,SPADカメラを用いたシミュレーションおよび実実験により,超低光下での画像分類や単眼深度推定などの様々な推論タスクの高性能化を実現した。

関連論文リスト

• Radiance Fields from Photons [18.15183252935672]
  単一光子カメラ(SPC)を用いて個々の光子の粒度を学習する神経放射場である量子放射場を導入する。 シミュレーションとプロトタイプのSPCハードウェア,高速動作下での高忠実度再構成,低光域,超ダイナミックレンジ設定による実演を行った。
  論文  参考訳（メタデータ） (2024-07-12T16:06:51Z)
• 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)
• Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
  従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。 我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T08:29:19Z)
• An Effective Image Restorer: Denoising and Luminance Adjustment for Low-photon-count Imaging [6.358214877782411]
  量子画像センサ(QIS)のイメージングシミュレーションによる低光子数条件下での原像復元 我々は,多層ピラミッド遮音ネットワーク (MPDNet) と輝度調整モジュール (LA) から構成される軽量なフレームワークを開発し,個別の遮音・照度向上を実現する。 画像復元装置は、雑音を抑え、輝度と色を効果的に回復することにより、様々な光子レベルの劣化画像に対して優れた性能が得られる。
  論文  参考訳（メタデータ） (2021-10-29T12:16:30Z)
• Physics-based Noise Modeling for Extreme Low-light Photography [63.65570751728917]
  CMOS光センサの撮像パイプラインにおけるノイズ統計について検討する。 実雑音構造を正確に特徴付けることのできる包括的ノイズモデルを定式化する。 我々のノイズモデルは、学習に基づく低照度復調アルゴリズムのためのリアルなトレーニングデータを合成するのに利用できる。
  論文  参考訳（メタデータ） (2021-08-04T16:36:29Z)
• Dynamic Low-light Imaging with Quanta Image Sensors [79.28256402267034]
  本稿では,Quanta Image Sensors (QIS) を用いた新しい画像再構成アルゴリズムを提案する。 動的シーンは,光子レベルが1ピクセル当たり1光子である場合,フレームのバーストから再構成可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-16T20:29:52Z)
• 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)
• Quanta Burst Photography [15.722085082004934]
  単光子アバランシェダイオード(SPADs)は、個々の入射光を検出できる新しいセンサー技術である。 本研究では,SPCを受動撮像装置として活用した量子バースト撮影技術について述べる。
  論文  参考訳（メタデータ） (2020-06-21T16:20:29Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)
• Learning an Adaptive Model for Extreme Low-light Raw Image Processing [5.706764509663774]
  画質向上のための適応型低照度生画像強調ネットワークを提案する。 提案手法は、最先端の低照度アルゴリズムと比較してノイズレベル推定(NLE)のスコアが低い。 ビデオ処理における潜在的な応用について概説する。
  論文  参考訳（メタデータ） (2020-04-22T09:01:07Z)

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。