論文の概要: Deep Learning for HDR Imaging: State-of-the-Art and Future Trends
- arxiv url: http://arxiv.org/abs/2110.10394v1
- Date: Wed, 20 Oct 2021 06:24:30 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-24 00:17:03.458153
- Title: Deep Learning for HDR Imaging: State-of-the-Art and Future Trends
- Title（参考訳）: HDRイメージングのためのディープラーニング:現状と将来展望
- Authors: Lin Wang and Kuk-Jin Yoon
- Abstract要約: 本研究は, 深部HDRイメージング法における最近の進展について, 包括的で洞察に富んだ調査と分析を行う。
我々は,(1)入力露出の数/領域,(2)学習タスク数,(3)新しいセンサデータ,(4)新しい学習戦略,(5)応用に基づいて,既存の深部HDRイメージング手法を階層的に,構造的に5つのカテゴリに分類する。
- 参考スコア（独自算出の注目度）: 39.31784014259657
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: High dynamic range (HDR) imaging is a technique that allows an extensive
dynamic range of exposures, which is important in image processing, computer
graphics, and computer vision. In recent years, there has been a significant
advancement in HDR imaging using deep learning (DL). This study conducts a
comprehensive and insightful survey and analysis of recent developments in deep
HDR imaging methodologies. We hierarchically and structurally group existing
deep HDR imaging methods into five categories based on (1) number/domain of
input exposures, (2) number of learning tasks, (3) novel sensor data, (4) novel
learning strategies, and (5) applications. Importantly, we provide a
constructive discussion on each category regarding its potential and
challenges. Moreover, we review some crucial aspects of deep HDR imaging, such
as datasets and evaluation metrics. Finally, we highlight some open problems
and point out future research directions.
- Abstract（参考訳）: 高ダイナミックレンジ(high dynamic range, hdr)イメージングは、画像処理、コンピュータグラフィックス、コンピュータビジョンにおいて重要な、幅広いダイナミックレンジの露出を可能にする技術である。
近年,deep learning (dl) を用いたhdr画像の高度化が進んでいる。
本研究は, 深部HDRイメージング法における最近の進展に関する包括的かつ洞察的な調査と分析を行う。
我々は,(1)入力露出の数/領域,(2)学習タスク数,(3)新しいセンサデータ,(4)新しい学習戦略,(5)応用に基づいて,既存の深部HDRイメージング手法を階層的に,構造的に5つのカテゴリに分類する。
重要なのは、その可能性と課題について、各カテゴリについて建設的な議論をすることです。
さらに,データセットや評価指標など,深部hdrイメージングの重要な側面について概説する。
最後に、いくつかのオープンな問題を取り上げ、今後の研究の方向性を指摘する。
関連論文リスト
- GTA-HDR: A Large-Scale Synthetic Dataset for HDR Image Reconstruction [11.610543327501995]
High Dynamic Range(画像とビデオ)は幅広い用途がある。
High Dynamic Range(画像とビデオ)は幅広い用途がある。
低ダイナミックレンジ(Low Dynamic Range, LDR)から視覚的に正確なHDR画像を再構成する難しい作業は、視覚研究コミュニティで注目を集めている。
論文 参考訳（メタデータ） (2024-03-26T16:24:42Z) - 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) - ArtHDR-Net: Perceptually Realistic and Accurate HDR Content Creation [12.45632443397018]
単一露光または多露光LDRを入力した低ダイナミックレンジ(LDR)画像/ビデオのHDR対応を再現する多くの手法が提案されている。
これらのアプローチは、人間の視覚的知覚の観点から、画像の芸術的意図を保存することに重点を置いていない。
マルチ露光LDRを入力として使用するArt-Netアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-09-07T16:40:49Z) - High Dynamic Range Imaging via Visual Attention Modules [0.13537117504260618]
本稿では,視覚的アテンションモジュール(VAM)によって抽出された各画像の最も目に見える領域からの情報を取り込むことのできる新しいモデルを提案する。
特に、ディープラーニングアーキテクチャに基づくモデルでは、抽出された領域を利用して最終的なHDR画像を生成する。
論文 参考訳（メタデータ） (2023-07-27T08:52:29Z) - SMAE: Few-shot Learning for HDR Deghosting with Saturation-Aware Masked
Autoencoders [97.64072440883392]
そこで本研究では,SSHDRと呼ばれる2段階の訓練を通した短距離HDRイメージングを実現するための,新しい半教師付きアプローチを提案する。
以前の方法とは異なり、コンテンツを直接回復し、ゴーストを同時に除去することは、最適に達成することが難しい。
実験により、SSHDRは異なるデータセットの内外における定量的かつ定性的に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） (2023-04-14T03:42:51Z) - Deep Learning for Event-based Vision: A Comprehensive Survey and Benchmarks [55.81577205593956]
イベントカメラはバイオインスパイアされたセンサーで、ピクセルごとの強度の変化を非同期に捉える。
深層学習(DL)はこの新興分野に導入され、その可能性のマイニングに活発な研究努力にインスピレーションを与えている。
論文 参考訳（メタデータ） (2023-02-17T14:19:28Z) - 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) - 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)
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。