論文の概要: Burst Imaging for Light-Constrained Structure-From-Motion
- arxiv url: http://arxiv.org/abs/2108.09895v1
- Date: Mon, 23 Aug 2021 02:12:40 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-24 15:31:28.389675
- Title: Burst Imaging for Light-Constrained Structure-From-Motion
- Title（参考訳）: 光制約構造-運動からのバーストイメージング
- Authors: Ahalya Ravendran, Mitch Bryson, Donald G. Dansereau
- Abstract要約: 低光環境下で得られた画像から3次元再構成を支援する画像処理技術を開発した。
バースト写真に基づく本手法は,短時間露光画像のバースト内における画像登録に直接的手法を用いる。
本手法は,低光環境下でのロボットの動作を可能にするための重要なステップであり,地中鉱山や夜間作業などの環境におけるロボットの動作に応用できる可能性がある。
- 参考スコア（独自算出の注目度）: 4.125187280299246
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Images captured under extremely low light conditions are noise-limited, which
can cause existing robotic vision algorithms to fail. In this paper we develop
an image processing technique for aiding 3D reconstruction from images acquired
in low light conditions. Our technique, based on burst photography, uses direct
methods for image registration within bursts of short exposure time images to
improve the robustness and accuracy of feature-based structure-from-motion
(SfM). We demonstrate improved SfM performance in challenging light-constrained
scenes, including quantitative evaluations that show improved feature
performance and camera pose estimates. Additionally, we show that our method
converges more frequently to correct reconstructions than the state-of-the-art.
Our method is a significant step towards allowing robots to operate in low
light conditions, with potential applications to robots operating in
environments such as underground mines and night time operation.
- Abstract（参考訳）: 極めて低い光条件下で撮影された画像はノイズが限られており、既存のロボットビジョンアルゴリズムが失敗する可能性がある。
本稿では,低光度で取得した画像から3次元再構成を支援する画像処理手法を提案する。
本手法は,バースト写真に基づく短時間露光画像のバースト内画像の直接登録手法を用いて,特徴量に基づく構造移動(SfM)の堅牢性と精度を向上させる。
我々は,撮影シーンにおけるSfMの性能向上を実証し,性能改善とカメラポーズ推定の定量的評価を行った。
さらに,本手法は,最先端技術よりも正確な復元によく収束することを示す。
本手法は,地下地雷や夜間運転などの環境で動作するロボットに応用可能な,低照度環境下でのロボットの動作を可能にするための重要なステップである。
関連論文リスト
- LBurst: Learning-Based Robotic Burst Feature Extraction for 3D Reconstruction in Low Light [2.048226951354646]
本研究では,低照度環境下での3次元再構成を,バースト中の特徴を見出すことにより改善する学習アーキテクチャを提案する。
提案手法は,低信号対雑音比画像における高品質な真の特徴の検出と記述により,視覚的再構成を促進する。
論文 参考訳（メタデータ） (2024-10-31T00:08:36Z) - Unrolled Decomposed Unpaired Learning for Controllable Low-Light Video Enhancement [48.76608212565327]
本稿では,2対の地上真実を使わずに,低照度映像のエンハンスメントを学習する上での取り組みについて述べる。
低照度画像の強調に比べて、空間領域におけるノイズ、露出、コントラストの相互干渉効果により、時間的コヒーレンスの必要性が伴うため、低照度映像の強調は困難である。
本稿では,信号の空間的・時間的関連要因に分解するために,最適化関数を深層ネットワークにアンロールすることで低照度映像の高精細化を実現するUnrolled Decompposed Unpaired Network (UDU-Net)を提案する。
論文 参考訳（メタデータ） (2024-08-22T11:45:11Z) - Learning to Control Camera Exposure via Reinforcement Learning [8.359692000028891]
微調整されたカメラの露出は、しばしば重大な故障と性能劣化を引き起こす。
従来のカメラ露光制御法では、複数の収束ステップと時間を要する。
リアルタイム処理中にカメラ露出を迅速に制御する新しいカメラ露出制御フレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-02T04:53:39Z) - Optical Aberration Correction in Postprocessing using Imaging Simulation [17.331939025195478]
モバイル写真の人気は増え続けている。
最近のカメラは、これらの修正作業の一部を光学設計から後処理システムに移行した。
光学収差による劣化を回復するための実用的手法を提案する。
論文 参考訳（メタデータ） (2023-05-10T03:20:39Z) - Diffusion in the Dark: A Diffusion Model for Low-Light Text Recognition [78.50328335703914]
ディフュージョン・イン・ザ・ダーク (Diffusion in the Dark, DiD) は、テキスト認識のための低照度画像再構成のための拡散モデルである。
実画像上での低照度テキスト認識において,Digital DiDがSOTAの低照度手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-03-07T23:52:51Z) - BuFF: Burst Feature Finder for Light-Constrained 3D Reconstruction [2.298932494750101]
我々は,超低照度条件下での視覚的再構成を向上する画像バーストを直接操作する特徴検出器を開発した。
提案手法は,マルチスケールおよびマルチモーション空間を共同で探索することにより,各バースト内における明瞭なスケールと明らかな動きのキーポイントを求める。
論文 参考訳（メタデータ） (2022-09-20T05:06:33Z) - High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。
提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。
実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-29T13:31:28Z) - Neural 3D Reconstruction in the Wild [86.6264706256377]
そこで我々は,インターネット写真コレクションから効率よく高精度な表面再構成を実現する新しい手法を提案する。
そこで本研究では,これらのシーンにおける再構成性能を評価するための新しいベンチマークとプロトコルを提案する。
論文 参考訳（メタデータ） (2022-05-25T17:59:53Z) - 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 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) - 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)
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。