論文の概要: Progressive and Selective Fusion Network for High Dynamic Range Imaging

• arxiv url: http://arxiv.org/abs/2108.08585v1
• Date: Thu, 19 Aug 2021 09:42:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-20 14:31:50.761449
• Title: Progressive and Selective Fusion Network for High Dynamic Range Imaging
• Title（参考訳）: 高ダイナミックレンジイメージングのためのプログレッシブかつ選択的核融合ネットワーク
• Authors: Qian Ye, Jun Xiao, Kin-man Lam, and Takayuki Okatani
• Abstract要約: 本稿では,LDR画像からシーンのHDR画像を生成する問題について考察する。 近年の研究では、ディープラーニングを採用し、エンドツーエンドで問題を解決することで、大幅なパフォーマンス向上を実現している。 本稿では,2つのアイデアに基づいて特徴を融合させる新しい手法を提案する。1つは多段階の特徴融合であり,我々のネットワークは同じ構造を持つブロックのスタックに徐々に特徴を融合させる。
• 参考スコア（独自算出の注目度）: 28.639647755164916
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper considers the problem of generating an HDR image of a scene from its LDR images. Recent studies employ deep learning and solve the problem in an end-to-end fashion, leading to significant performance improvements. However, it is still hard to generate a good quality image from LDR images of a dynamic scene captured by a hand-held camera, e.g., occlusion due to the large motion of foreground objects, causing ghosting artifacts. The key to success relies on how well we can fuse the input images in their feature space, where we wish to remove the factors leading to low-quality image generation while performing the fundamental computations for HDR image generation, e.g., selecting the best-exposed image/region. We propose a novel method that can better fuse the features based on two ideas. One is multi-step feature fusion; our network gradually fuses the features in a stack of blocks having the same structure. The other is the design of the component block that effectively performs two operations essential to the problem, i.e., comparing and selecting appropriate images/regions. Experimental results show that the proposed method outperforms the previous state-of-the-art methods on the standard benchmark tests.
• Abstract（参考訳）: 本稿では,LDR画像からシーンのHDR画像を生成する問題について考察する。 近年の研究では、ディープラーニングを採用し、エンドツーエンドで問題を解決することで、大幅なパフォーマンス向上を実現している。 しかし、手持ちカメラが捉えたダイナミックシーンのLDR画像から、例えば前景の物体の大きな動きによる閉塞など、良好な画質の画像を生成することは依然として困難である。 成功の鍵は、HDR画像生成の基本的な計算を行いながら、低品質な画像生成につながる要因(例えば、最も露呈した画像/領域の選択など)を取り除きたいという特徴空間における入力画像の融合の方法に依存する。 2つのアイデアに基づいて特徴をよりうまく融合させる新しい手法を提案する。 私たちのネットワークは、同じ構造を持つブロックのスタックに徐々に機能を融合させています。 もうひとつは、問題に不可欠な2つの操作、すなわち適切な画像/領域の比較と選択を効果的に実行するコンポーネントブロックの設計です。 実験の結果,本手法は,従来の標準ベンチマーク法よりも優れていた。

関連論文リスト

• Progressive Feature Fusion Network for Enhancing Image Quality Assessment [8.06731856250435]
  画像群において、どの画像が良いかを決定するための画像品質評価フレームワークを提案する。 微妙な違いを捉えるため、マルチスケールな特徴を得るためにきめ細かなネットワークが採用されている。 実験の結果,現在の主流画像品質評価手法と比較して,提案手法はより正確な画像品質評価を実現することができることがわかった。
  論文  参考訳（メタデータ） (2024-01-13T06:34:32Z)
• Deep Progressive Feature Aggregation Network for High Dynamic Range Imaging [24.94466716276423]
  本研究では,動的シーンにおけるHDR画像の画質向上のための高度な特徴集約ネットワークを提案する。 提案手法は,高対応特徴を暗黙的にサンプリングし,それらを粗い方法で集約してアライメントする。 実験の結果,提案手法は異なるシーン下での最先端性能を実現することができることがわかった。
  論文  参考訳（メタデータ） (2022-08-04T04:37:35Z)
• Rank-Enhanced Low-Dimensional Convolution Set for Hyperspectral Image Denoising [50.039949798156826]
  本稿では,ハイパースペクトル(HS)画像の難解化問題に対処する。 ランク付き低次元畳み込み集合(Re-ConvSet)を提案する。 次に、Re-ConvSetを広く使われているU-Netアーキテクチャに組み込んで、HS画像復号法を構築する。
  論文  参考訳（メタデータ） (2022-07-09T13:35:12Z)
• SJ-HD^2R: Selective Joint High Dynamic Range and Denoising Imaging for Dynamic Scenes [17.867412310873732]
  Ghosting artifacts, Motion blur, Lowfidelity in highlightは、高ダイナミックレンジ(LDR)イメージングにおける主な課題である。 本稿では,2つのサブネットワークを含むHDRとデノナイズパイプラインを提案する。 私たちは、最初の共同HDRとデノナイジングベンチマークデータセットを作成します。
  論文  参考訳（メタデータ） (2022-06-20T07:49:56Z)
• Hierarchical Similarity Learning for Aliasing Suppression Image Super-Resolution [64.15915577164894]
  エイリアスの影響を抑制するために階層画像超解像ネットワーク(HSRNet)を提案する。 HSRNetは、他の作品よりも定量的かつ視覚的なパフォーマンスを向上し、エイリアスをより効果的に再送信する。
  論文  参考訳（メタデータ） (2022-06-07T14:55:32Z)
• A Differentiable Two-stage Alignment Scheme for Burst Image Reconstruction with Large Shift [13.454711511086261]
  バースト画像、すなわちJDD-Bのための共同デノジングとデモサック(JDD)が注目されている。 JDD-Bの重要な課題は、画像フレームのロバストなアライメントにある。 本稿では, JDD-B を効果的に活用するための2段階アライメント方式を提案する。
  論文  参考訳（メタデータ） (2022-03-17T12:55:45Z)
• The Power of Triply Complementary Priors for Image Compressive Sensing [89.14144796591685]
  本稿では,一対の相補的な旅先を含むLRD画像モデルを提案する。 次に、画像CSのためのRDモデルに基づく新しいハイブリッド・プラグイン・アンド・プレイ・フレームワークを提案する。 そこで,提案したH-based image CS問題の解法として,単純で効果的なアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-05-16T08:17:44Z)
• Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
  本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。 我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。 提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-04-02T17:59:04Z)
• PULSE: Self-Supervised Photo Upsampling via Latent Space Exploration of Generative Models [77.32079593577821]
  PULSE (Photo Upsampling via Latent Space Exploration) は、それまで文献になかった解像度で高解像度でリアルな画像を生成する。 本手法は, 従来よりも高分解能, スケールファクターの知覚品質において, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-03-08T16:44:31Z)
• Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
  本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。 特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
  論文  参考訳（メタデータ） (2020-03-02T13:28:32Z)

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。