論文の概要: Matching in the Dark: A Dataset for Matching Image Pairs of Low-light Scenes

• arxiv url: http://arxiv.org/abs/2109.03585v1
• Date: Wed, 8 Sep 2021 12:30:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 21:51:16.535990
• Title: Matching in the Dark: A Dataset for Matching Image Pairs of Low-light Scenes
• Title（参考訳）: 暗いところでのマッチング:低照度シーンの画像ペアのマッチングデータセット
• Authors: W. Song, M. Suganuma, X. Liu, N. Shimobayashi, D. Maruta, T. Okatani
• Abstract要約: 本稿では,SfMのフロンティアと視覚SLAMアプリケーションの拡張を目的とした,低照度シーンのマッチング画像について考察する。 最近の画像センサは、RAWフォーマットの画像で利用可能な8ビット以上の精度で、シーンの明るさを記録することができる。
• 参考スコア（独自算出の注目度）: 0.7554101638490741
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper considers matching images of low-light scenes, aiming to widen the frontier of SfM and visual SLAM applications. Recent image sensors can record the brightness of scenes with more than eight-bit precision, available in their RAW-format image. We are interested in making full use of such high-precision information to match extremely low-light scene images that conventional methods cannot handle. For extreme low-light scenes, even if some of their brightness information exists in the RAW format images' low bits, the standard raw image processing on cameras fails to utilize them properly. As was recently shown by Chen et al., CNNs can learn to produce images with a natural appearance from such RAW-format images. To consider if and how well we can utilize such information stored in RAW-format images for image matching, we have created a new dataset named MID (matching in the dark). Using it, we experimentally evaluated combinations of eight image-enhancing methods and eleven image matching methods consisting of classical/neural local descriptors and classical/neural initial point-matching methods. The results show the advantage of using the RAW-format images and the strengths and weaknesses of the above component methods. They also imply there is room for further research.
• Abstract（参考訳）: 本稿では,SfMのフロンティアと視覚SLAMアプリケーションの拡張を目的とした,低照度シーンのマッチング画像について考察する。 最近のイメージセンサーは8ビット以上の精度でシーンの明るさを記録できる。 従来の手法では処理できない極めて低照度のシーン画像に合わせるために,このような高精度情報をフル活用することに興味がある。 極端な低照度シーンでは、RAWフォーマット画像の低ビットに輝度情報が存在するとしても、カメラの通常の生画像処理は適切に利用できない。 Chenらが最近示したように、CNNはこのようなRAWフォーマットの画像から自然な外観で画像を生成することができる。 RAWフォーマット画像に格納されている情報を画像マッチングにどの程度有効に活用できるかを検討するため,MID(Match in the dark)と呼ばれる新しいデータセットを作成した。 そこで本研究では,8つの画像エンハンシング法と11つの画像マッチング法の組み合わせを実験的に評価した。 その結果、生のフォーマット画像を使用することの利点と、上記のコンポーネントメソッドの長所と短所が明らかになった。 また、さらなる研究の余地があることも示唆している。

関連論文リスト

• Towards RAW Object Detection in Diverse Conditions [65.30190654593842]
  62のカテゴリにまたがる135,601のアノテーション付きインスタンスを備えた7,785の高分解能実RAW画像を提供するAODRawデータセットを紹介した。 sRGB と RAW の領域ギャップにより RAW オブジェクト検出の可能性は sRGB と RAW との事前学習によって制限されることがわかった。 我々は,RAW事前学習を支援するために,SRGBドメインで事前学習した市販のモデルから知識を抽出する。
  論文  参考訳（メタデータ） (2024-11-24T01:23:04Z)
• Raw Instinct: Trust Your Classifiers and Skip the Conversion [12.323236593352698]
  十分高度な分類器は、RGBと比較してRAW入力に対して等価な結果が得られることを示す。 さらに、RAW画像データからRAW画像の分類結果までの計算時間は、RGBよりも最大8.46倍高速であることを示す。
  論文  参考訳（メタデータ） (2024-03-21T14:45:41Z)
• Self-Supervised Reversed Image Signal Processing via Reference-Guided Dynamic Parameter Selection [1.1602089225841632]
  メタデータとペア画像を必要としない自己教師付き逆ISP方式を提案する。 提案手法は,RGB画像を参照RAW画像と同じセンサで同一環境で撮影されたRAWライクな画像に変換する。 提案手法は,他の最先端教師付き手法に匹敵する精度で,様々な逆ISPを学習可能であることを示す。
  論文  参考訳（メタデータ） (2023-03-24T11:12:05Z)
• Raw Image Reconstruction with Learned Compact Metadata [61.62454853089346]
  本稿では,メタデータとしての潜在空間におけるコンパクトな表現をエンドツーエンドで学習するための新しいフレームワークを提案する。 提案する生画像圧縮方式は,グローバルな視点から重要な画像領域に適応的により多くのビットを割り当てることができることを示す。
  論文  参考訳（メタデータ） (2023-02-25T05:29:45Z)
• Designing An Illumination-Aware Network for Deep Image Relighting [69.750906769976]
  本稿では、階層的なサンプリングから1つの画像からシーンを段階的にリライトするためのガイダンスに従うイルミネーション・アウェア・ネットワーク(IAN)を提案する。 さらに、物理レンダリングプロセスの近似として、イルミネーション・アウェア・残留ブロック(IARB)が設計されている。 実験の結果,提案手法は従来の最先端手法よりも定量的,定性的な照準結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-07-21T16:21:24Z)
• Towards Robust Low Light Image Enhancement [6.85316573653194]
  野生で発見された暗い画像から明るい画像を作るという課題について検討する。 画像は薄暗い環境で撮影されているため暗く、量子化やセンサノイズによる色の変化に悩まされている。 教師付き学習手法を用いて、画像パイプラインの簡単なシミュレーションを頼りに、トレーニングやテストに使えるデータセットを生成する。
  論文  参考訳（メタデータ） (2022-05-17T20:14:18Z)
• Transform your Smartphone into a DSLR Camera: Learning the ISP in the Wild [159.71025525493354]
  本稿では,スマートフォンが取得したRAW画像に基づいて,DSLRの品質画像を生成する訓練可能な画像信号処理フレームワークを提案する。 トレーニング画像ペア間の色ずれに対処するために、カラー条件ISPネットワークを使用し、各入力RAWと基準DSLR画像間の新しいパラメトリック色マッピングを最適化する。
  論文  参考訳（メタデータ） (2022-03-20T20:13:59Z)
• Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
  そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。 本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-01-10T03:12:52Z)
• Towards Low Light Enhancement with RAW Images [101.35754364753409]
  我々は、低光強度でRAW画像を使用することの優位性について、最初のベンチマークを行う。 本研究では,RAW画像の特性を計測可能な因子に分解するFEM(Facterized Enhancement Model)を新たに開発した。 実アプリケーションにおけるRAW画像の利点と利用不可のトレードオフを生かしたREENet(RAW-guiding Exposure Enhancement Network)を開発した。
  論文  参考訳（メタデータ） (2021-12-28T07:27:51Z)
• Raw Image Deblurring [24.525466412146358]
  RAW画像と処理されたsRGB画像の両方を含む新しいデータセットを構築し、RAW画像のユニークな特性を利用する新しいモデルを設計します。 RAW画像のみをトレーニングしたデブロアリングモデルは,最先端のパフォーマンスを実現し,処理されたsRGB画像上でのトレーニングよりも優れる。
  論文  参考訳（メタデータ） (2020-12-08T08:03:09Z)

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。