論文の概要: Perceptually Optimized Deep High-Dynamic-Range Image Tone Mapping
- arxiv url: http://arxiv.org/abs/2109.00180v2
- Date: Thu, 2 Sep 2021 04:48:04 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-03 10:29:59.476012
- Title: Perceptually Optimized Deep High-Dynamic-Range Image Tone Mapping
- Title(参考訳): 知覚に最適化された高ダイナミックレンジ画像トーンマッピング
- Authors: Chenyang Le and Jiebin Yan and Yuming Fang and Kede Ma
- Abstract要約: まず、HDR画像を正規化されたラプラシアンピラミッドに分解し、2つのディープニューラルネットワーク(DNN)を用いて、所望のトーンマップ画像のラプラシアンピラミッドを正規化された表現から推定する。
次に、正規化ラプラシアピラミッド距離を最小化することにより、HDR画像のデータベース上での手法全体をエンドツーエンドで最適化する。
- 参考スコア(独自算出の注目度): 44.00069411131762
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We describe a deep high-dynamic-range (HDR) image tone mapping operator that
is computationally efficient and perceptually optimized. We first decompose an
HDR image into a normalized Laplacian pyramid, and use two deep neural networks
(DNNs) to estimate the Laplacian pyramid of the desired tone-mapped image from
the normalized representation. We then end-to-end optimize the entire method
over a database of HDR images by minimizing the normalized Laplacian pyramid
distance (NLPD), a recently proposed perceptual metric. Qualitative and
quantitative experiments demonstrate that our method produces images with
better visual quality, and runs the fastest among existing local tone mapping
algorithms.
- Abstract(参考訳): 本稿では,計算効率が高く知覚的に最適化された高ダイナミックレンジ(hdr)画像トーンマッピング演算子について述べる。
まず、hdr画像を正規化されたラプラシアピラミッドに分解し、2つのディープニューラルネットワーク(dnn)を用いて、所望のトーンマップ画像のラプラシアピラミッドを正規化表現から推定する。
次に,最近提案する知覚指標である正規化ラプラシアンピラミッド距離(nlpd)を最小化することにより,hdr画像のデータベース上での方法全体の最適化を行う。
質的かつ定量的な実験により,既存の局所トーンマッピングアルゴリズムの中で最も高速に映像を生成できることを示した。
関連論文リスト
- An Improved Optimal Proximal Gradient Algorithm for Non-Blind Image Deblurring [15.645711819668582]
改良された最適近位勾配アルゴリズム(IOptISTA)を導入し,非盲点画像の劣化問題に効率的に対処する。
その結果,既存の手法と比較して,PSNRとSSIMの値が向上し,耐性が低下することが示唆された。
論文 参考訳(メタデータ) (2025-02-11T14:52:11Z) - Learning Differential Pyramid Representation for Tone Mapping [17.030166961019166]
学習可能な微分ピラミッド表現ネットワーク(DPRNet)を導入する。
DPRNetは、高品質なトーンマッピング回復に不可欠である詳細なテクスチャと構造をキャプチャすることができる。
さらに、グローバルな一貫性と局所的なコントラストを達成するために、グローバルなトーン知覚モジュールと局所的なトーンチューニングモジュールを設計する。
論文 参考訳(メタデータ) (2024-12-02T12:59:46Z) - Hi-Map: Hierarchical Factorized Radiance Field for High-Fidelity
Monocular Dense Mapping [51.739466714312805]
ニューラルラジアンス場(NeRF)に基づく新しいモノクリン高密度マッピング手法であるHi-Mapを導入する。
ハイマップは、RGB入力のみを用いた効率的かつ高忠実なマッピングを実現する能力において例外的である。
論文 参考訳(メタデータ) (2024-01-06T12:32:25Z) - GPS-Gaussian: Generalizable Pixel-wise 3D Gaussian Splatting for Real-time Human Novel View Synthesis [70.24111297192057]
我々は、文字の新たなビューをリアルタイムに合成するための新しいアプローチ、GPS-Gaussianを提案する。
提案手法は,スパースビューカメラ設定下での2K解像度のレンダリングを可能にする。
論文 参考訳(メタデータ) (2023-12-04T18:59:55Z) - Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳(メタデータ) (2023-08-10T12:53:30Z) - A Perceptually Optimized and Self-Calibrated Tone Mapping Operator [41.83376753140113]
我々は、自己校正され、知覚的に最適化された2段階のニューラルネットワークベースのTMOを開発する。
まず,HDR画像を正常化したラプラシアピラミッドに分解した。
ステージ2では、入力されたHDR画像を自己校正して最終LDR画像を算出する。
論文 参考訳(メタデータ) (2022-06-18T08:06:29Z) - NerfingMVS: Guided Optimization of Neural Radiance Fields for Indoor
Multi-view Stereo [97.07453889070574]
本稿では,従来のSfM再構成と学習に基づく先行手法を併用した多視点深度推定手法を提案する。
提案手法は室内シーンにおける最先端手法を著しく上回ることを示す。
論文 参考訳(メタデータ) (2021-09-02T17:54:31Z) - High-Resolution Photorealistic Image Translation in Real-Time: A
Laplacian Pyramid Translation Network [23.981019687483506]
閉形式ラプラシアピラミッドの分解と再構成に基づく高分解能フォトリアリスティックI2ITタスクの高速化に着目する。
この2つのタスクを同時に実行するために,ラプラシアンピラミッド翻訳ネットワーク(N)を提案する。
我々のモデルは高解像度の特徴写像を処理し、画像の詳細を忠実に保存することで消費される重い計算の大部分を回避している。
論文 参考訳(メタデータ) (2021-05-19T15:05:22Z) - Understanding Integrated Gradients with SmoothTaylor for Deep Neural
Network Attribution [70.78655569298923]
ディープニューラルネットワークモデルの属性方法としての統合グラディエントは、シンプルな実装性を提供する。
理解しやすさに影響を及ぼす説明のうるささに悩まされる。
SmoothGrad法は,ノイズ問題を解消し,勾配に基づく帰属法の帰属写像を円滑化するために提案される。
論文 参考訳(メタデータ) (2020-04-22T10:43:19Z)
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。