論文の概要: Invertible Tone Mapping with Selectable Styles

• arxiv url: http://arxiv.org/abs/2110.04491v1
• Date: Sat, 9 Oct 2021 07:32:36 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 19:18:24.535752
• Title: Invertible Tone Mapping with Selectable Styles
• Title（参考訳）: 選択可能なスタイルによる可逆トーンマッピング
• Authors: Zhuming Zhang and Menghan Xia and Xueting Liu and Chengze Li and Tien-Tsin Wong
• Abstract要約: 本稿では,マルチ露光HDRを真のLDRに変換する可逆トーンマッピング法を提案する。 我々の可逆LDRは、ユーザが選択したトーンマッピングスタイルの外観を模倣することができる。 アップロードされた画像を再エンコードしたり、フォーマット変換したりできる既存のソーシャルネットワークプラットフォーム上で共有することができる。
• 参考スコア（独自算出の注目度）: 19.03179521805971
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Although digital cameras can acquire high-dynamic range (HDR) images, the captured HDR information are mostly quantized to low-dynamic range (LDR) images for display compatibility and compact storage. In this paper, we propose an invertible tone mapping method that converts the multi-exposure HDR to a true LDR (8-bit per color channel) and reserves the capability to accurately restore the original HDR from this {\em invertible LDR}. Our invertible LDR can mimic the appearance of a user-selected tone mapping style. It can be shared over any existing social network platforms that may re-encode or format-convert the uploaded images, without much hurting the accuracy of the restored HDR counterpart. To achieve this, we regard the tone mapping and the restoration as coupled processes, and formulate them as an encoding-and-decoding problem through convolutional neural networks. Particularly, our model supports pluggable style modulators, each of which bakes a specific tone mapping style, and thus favors the application flexibility. Our method is evaluated with a rich variety of HDR images and multiple tone mapping operators, which shows the superiority over relevant state-of-the-art methods. Also, we conduct ablation study to justify our design and discuss the robustness and generality toward real applications.
• Abstract（参考訳）: デジタルカメラは高ダイナミックレンジ(HDR)画像を取得することができるが、キャプチャされたHDR情報は、主に表示互換性とコンパクトストレージのために低ダイナミックレンジ(LDR)画像に量子化される。 本稿では,マルチ露光hdrを真のldr(カラーチャネルあたり8ビット)に変換し,このインバータブルldrから元のhdrを正確に復元する機能を予約するインバータブルトーンマッピング手法を提案する。 我々の可逆LDRは、ユーザが選択したトーンマッピングスタイルを模倣することができる。 アップロードされた画像を再エンコードしたり、フォーマット変換したりできる既存のソーシャルネットワークプラットフォーム上で共有できるが、復元されたHDRの精度を損なうことはない。 これを実現するために,トーンマッピングと復元を結合プロセスとみなし,畳み込みニューラルネットワークによる符号化・復号問題として定式化する。 特にこのモデルはプラガブルなスタイルの変調器をサポートしており,それぞれが特定のトーンマッピングスタイルを焼き付けているため,アプリケーションの柔軟性を優先している。 提案手法は,多種多様なHDR画像と複数のトーンマッピング演算子を用いて評価し,関連する最先端手法よりも優れていることを示す。 また,我々の設計を正当化するためにアブレーション研究を行い,実アプリケーションに対する堅牢性と汎用性について議論する。

関連論文リスト

• Semantic Aware Diffusion Inverse Tone Mapping [5.65968650127342]
  逆トーンマッピングによる高ダイナミックレンジ(HDR)へのキャプチャー標準ダイナミックレンジ(SDR)画像のアップの試み 本稿では,SDR画像をHDRにマッピングする新たな逆トーンマッピング手法を提案する。
  論文  参考訳（メタデータ） (2024-05-24T11:44:22Z)
• HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting [76.5908492298286]
  既存のHDR NVS法は主にNeRFに基づいている。 訓練時間は長く、推論速度は遅い。 我々は新しいフレームワークHigh Dynamic Range Gaussian Splatting (-GS)を提案する。
  論文  参考訳（メタデータ） (2024-05-24T00:46:58Z)
• Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
  近年の拡散モデル (DM) はHDRイメージング分野に導入されている。 DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。 ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-01T01:32:11Z)
• HistoHDR-Net: Histogram Equalization for Single LDR to HDR Image Translation [12.45632443397018]
  高ダイナミックレンジ(HDR)イメージングは、現実世界のシーンの高画質と明快さを再現することを目的としている。 この文献は、低ダイナミックレンジ(Low Dynamic Range, LDR)からのHDR画像再構成のための様々なデータ駆動手法を提供している。 これらのアプローチの共通する制限は、再構成されたHDR画像の領域における詳細が欠けていることである。 細部を復元するためのシンプルで効果的な手法Histo-Netを提案する。
  論文  参考訳（メタデータ） (2024-02-08T20:14:46Z)
• Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in Dynamic Scenes [58.66427721308464]
  Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。 Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-10-03T07:10:49Z)
• Towards Efficient SDRTV-to-HDRTV by Learning from Image Formation [51.26219245226384]
  モダンディスプレイは、高ダイナミックレンジ(WCG)と広色域(SDR)で映像コンテンツをレンダリングすることができる 利用可能なリソースの大部分は、まだ標準動的範囲(SDR)にある。 我々は、SDRTV/TVコンテンツの形成をモデル化し、SDRTV-to-TVタスクを定義し、分析する。 本手法は主に超高精細テレビコンテンツ向けに設計されており、4K解像度画像の処理に有効で軽量である。
  論文  参考訳（メタデータ） (2023-09-08T02:50:54Z)
• 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)
• 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)
• MetaHDR: Model-Agnostic Meta-Learning for HDR Image Reconstruction [0.0]
  低ダイナミックレンジ画像を高ダイナミックレンジ画像に変換する既存のアプローチは、すべての変換が同じ非線形マッピングによって管理されるという仮定によって制限される。 既存のHDRデータセットを用いたLDR-to-Model変換問題にメタラーニングを適用したHDR-Agnostic Image Reconstruction (Meta)を提案する。
  論文  参考訳（メタデータ） (2021-03-20T07:56:45Z)
• 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)
• Adaptive Dithering Using Curved Markov-Gaussian Noise in the Quantized Domain for Mapping SDR to HDR Image [2.913398015606848]
  高ダイナミックレンジ(SDR)イメージングは、レギュラーディスプレイだけでなくスマートフォンでも、リアルなコンテンツによって注目を集めている。 本稿では,量子化画像の画素で動作するノイズ生成手法を提案する。 我々は、量子化画素のルマと逆トーンマッピング関数の傾きに基づいて、雑音パターンの大きさと構造を適応的に変化させる。
  論文  参考訳（メタデータ） (2020-01-20T05:30:16Z)

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。