論文の概要: Luminance Attentive Networks for HDR Image and Panorama Reconstruction

• arxiv url: http://arxiv.org/abs/2109.06688v1
• Date: Tue, 14 Sep 2021 13:44:34 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-15 15:27:46.404577
• Title: Luminance Attentive Networks for HDR Image and Panorama Reconstruction
• Title（参考訳）: HDR画像とパノラマ再構成のための輝度検出ネットワーク
• Authors: Hanning Yu, Wentao Liu, Chengjiang Long, Bo Dong, Qin Zou, Chunxia Xiao
• Abstract要約: 低ダイナミックレンジ(LDR)画像から高逆範囲を不適切な問題として再構成することは困難である。 本稿では,1つのLDR画像からHDR再構成を行うために,LANetという減衰輝度ネットワークを提案する。
• 参考スコア（独自算出の注目度）: 37.364335148790005
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: It is very challenging to reconstruct a high dynamic range (HDR) from a low dynamic range (LDR) image as an ill-posed problem. This paper proposes a luminance attentive network named LANet for HDR reconstruction from a single LDR image. Our method is based on two fundamental observations: (1) HDR images stored in relative luminance are scale-invariant, which means the HDR images will hold the same information when multiplied by any positive real number. Based on this observation, we propose a novel normalization method called " HDR calibration " for HDR images stored in relative luminance, calibrating HDR images into a similar luminance scale according to the LDR images. (2) The main difference between HDR images and LDR images is in under-/over-exposed areas, especially those highlighted. Following this observation, we propose a luminance attention module with a two-stream structure for LANet to pay more attention to the under-/over-exposed areas. In addition, we propose an extended network called panoLANet for HDR panorama reconstruction from an LDR panorama and build a dualnet structure for panoLANet to solve the distortion problem caused by the equirectangular panorama. Extensive experiments show that our proposed approach LANet can reconstruct visually convincing HDR images and demonstrate its superiority over state-of-the-art approaches in terms of all metrics in inverse tone mapping. The image-based lighting application with our proposed panoLANet also demonstrates that our method can simulate natural scene lighting using only LDR panorama. Our source code is available at https://github.com/LWT3437/LANet.
• Abstract（参考訳）: 低ダイナミックレンジ(ldr)画像からハイダイナミックレンジ(hdr)を再構成することは不適切な問題として非常に困難である。 本稿では,単一LDR画像からのHDR再構成のためのLanetという輝度減衰ネットワークを提案する。 本手法は,1)相対輝度に蓄積されたHDR画像はスケール不変であり,任意の正の実数で乗算した場合,HDR画像が同じ情報を保持することを意味する。 そこで本研究では, 相対輝度に格納されたHDR画像に対して, HDR画像と類似の輝度スケールでキャリブレーションを行うHDRキャリブレーション法を提案する。 2) HDR 画像と LDR 画像の主な違いは,特に強調された領域において,下・上・下・下界にある。 そこで本研究では,Lanetの2ストリーム構造を用いた照度アテンションモジュールを提案する。 さらに,LDRパノラマからのHDRパノラマ再構成のためのパノラマと呼ばれる拡張ネットワークを提案し,同形パノラマによる歪み問題を解決するためにパノラマの2重ネット構造を構築した。 広汎な実験により,提案手法はHDR画像の視覚的説得性を再構築し,逆トーンマッピングにおけるすべての指標から最先端のアプローチよりも優れていることを示す。 提案したパノラマを用いた画像ベース照明アプリケーションは,LDRパノラマのみを用いて自然界照明をシミュレートできることを示す。 ソースコードはhttps://github.com/lwt3437/lanetで入手できます。

関連論文リスト

• Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
  そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。 実験により、照射場は幾何復元とHDR再構成の両方において最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-12-26T08:10:22Z)
• GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
  そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。 鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。 実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
  論文  参考訳（メタデータ） (2022-11-22T15:42:08Z)
• StyleLight: HDR Panorama Generation for Lighting Estimation and Editing [98.20167223076756]
  単一視野(LFOV)画像から高ダイナミックレンジ(GAN)屋内パノラマ光を生成するための新しい照明推定・編集フレームワークを提案する。 本フレームワークは室内照明推定における最先端手法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-07-29T17:58:58Z)
• HDR-NeRF: High Dynamic Range Neural Radiance Fields [70.80920996881113]
  我々は、低ダイナミックレンジ(LDR)ビューの集合からHDR放射界を異なる露光で復元するために、高ダイナミックレンジニューラルレイディアンス場(-NeRF)を提案する。 異なる露出下で、新しいHDRビューと新しいLDRビューの両方を生成することができる。
  論文  参考訳（メタデータ） (2021-11-29T11:06:39Z)
• HDR-cGAN: Single LDR to HDR Image Translation using Conditional GAN [24.299931323012757]
  低ダイナミックレンジ(LDR)カメラは、現実世界のシーンの広いダイナミックレンジを表現できない。 本研究では,HDR画像の再構成を行いながら,飽和領域の詳細を復元する深層学習手法を提案する。 本稿では,HDR-REALデータセットとHDR-SYNTHデータセットに対して,エンドツーエンドでトレーニングされた新しい条件付きGAN(cGAN)ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-04T18:50:35Z)
• A Two-stage Deep Network for High Dynamic Range Image Reconstruction [0.883717274344425]
  本研究では,新しい2段階深層ネットワークを提案することにより,シングルショットLDRからHDRマッピングへの課題に取り組む。 提案手法は,カメラ応答機能(CRF)や露光設定など,ハードウェア情報を知ることなくHDR画像の再構築を図ることを目的とする。
  論文  参考訳（メタデータ） (2021-04-19T15:19:17Z)
• Beyond Visual Attractiveness: Physically Plausible Single Image HDR Reconstruction for Spherical Panoramas [60.24132321381606]
  我々は,単発hdr再構成フレームワークに物理的照度制約を導入する。 本手法は,視覚に訴えるだけでなく,物理的に妥当なHDRを生成することができる。
  論文  参考訳（メタデータ） (2021-03-24T01:51:19Z)
• Deep Snapshot HDR Imaging Using Multi-Exposure Color Filter Array [14.5106375775521]
  本稿では,有効損失と入力データの正規化を同時に実現する輝度正規化の考え方を紹介する。 2つの公開HDR画像データセットを用いた実験結果から,我々のフレームワークが他のスナップショット手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-20T06:31:37Z)
• HDR-GAN: HDR Image Reconstruction from Multi-Exposed LDR Images with Large Motions [62.44802076971331]
  マルチ露光LDR画像からHDR画像を合成するための新しいGANモデルHDR-GANを提案する。 本手法は,敵対学習を取り入れることで,欠落したコンテンツのある領域に忠実な情報を生成することができる。
  論文  参考訳（メタデータ） (2020-07-03T11:42:35Z)

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。