論文の概要: HDRVideo-GAN: Deep Generative HDR Video Reconstruction

• arxiv url: http://arxiv.org/abs/2110.11795v1
• Date: Fri, 22 Oct 2021 14:02:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-25 19:02:58.592964
• Title: HDRVideo-GAN: Deep Generative HDR Video Reconstruction
• Title（参考訳）: HDRVideo-GAN:ディープジェネレーティブなHDRビデオ再構成
• Authors: Mrinal Anand, Nidhin Harilal, Chandan Kumar, Shanmuganathan Raman
• Abstract要約: 本稿では,LDR シーケンスからのHDR ビデオ再構成を交互に行うための,エンドツーエンドの GAN ベースのフレームワークを提案する。 まず、ノイズの多いLDRビデオからクリーンなLDRフレームを抽出し、自己教師付き環境で訓練された聴覚ネットワークと交互に露光する。 次に、隣接する交互露光フレームを基準フレームに整列し、完全対向設定で高品質なHDRフレームを再構成する。
• 参考スコア（独自算出の注目度）: 19.837271879354184
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: High dynamic range (HDR) videos provide a more visually realistic experience than the standard low dynamic range (LDR) videos. Despite having significant progress in HDR imaging, it is still a challenging task to capture high-quality HDR video with a conventional off-the-shelf camera. Existing approaches rely entirely on using dense optical flow between the neighboring LDR sequences to reconstruct an HDR frame. However, they lead to inconsistencies in color and exposure over time when applied to alternating exposures with noisy frames. In this paper, we propose an end-to-end GAN-based framework for HDR video reconstruction from LDR sequences with alternating exposures. We first extract clean LDR frames from noisy LDR video with alternating exposures with a denoising network trained in a self-supervised setting. Using optical flow, we then align the neighboring alternating-exposure frames to a reference frame and then reconstruct high-quality HDR frames in a complete adversarial setting. To further improve the robustness and quality of generated frames, we incorporate temporal stability-based regularization term along with content and style-based losses in the cost function during the training procedure. Experimental results demonstrate that our framework achieves state-of-the-art performance and generates superior quality HDR frames of a video over the existing methods.
• Abstract（参考訳）: 高ダイナミックレンジ(HDR)ビデオは、標準的な低ダイナミックレンジ(LDR)ビデオよりも視覚的にリアルな体験を提供する。 HDR画像の大幅な進歩にもかかわらず、従来のオフザシェルフカメラで高品質なHDRビデオを撮影することは依然として難しい課題である。 既存のアプローチは、HDRフレームを再構築するために、隣接するLDRシーケンス間の密度の高い光フローを使用することに完全に依存している。 しかし、ノイズフレームによる露光を交互に適用すると、時間とともに色と露光が矛盾する。 本稿では,ldrシーケンスからのhdr映像再構成のためのエンドツーエンドganベースフレームワークを提案する。 まず、ノイズの多いLDRビデオからクリーンなLDRフレームを抽出し、自己教師付き環境で訓練された聴覚ネットワークと交互に露光する。 光フローを用いて、隣接する交互露光フレームを基準フレームに整列し、高品質なHDRフレームを完全対向的に再構成する。 生成したフレームのロバスト性と品質をさらに向上するために,時間安定性に基づく正規化期間と,トレーニング中のコスト関数のコンテントとスタイルに基づく損失を組み込む。 実験により,本フレームワークは最先端の性能を実現し,既存の手法よりも高品質なHDRフレームを生成することが示された。

関連論文リスト

• Exposure Completing for Temporally Consistent Neural High Dynamic Range Video Rendering [17.430726543786943]
  本稿では,不在な露光情報を完成させることで,HDRフレームを描画する新しいパラダイムを提案する。 提案手法では, 隣接LDRフレームを時間次元で補間し, 露出の欠如に対してLDRフレームを再構成する。 これにより、HDR結果の融合プロセスの恩恵を受け、ノイズやゴーストを低減し、時間的一貫性を向上させることができる。
  論文  参考訳（メタデータ） (2024-07-18T09:13:08Z)
• Diffusion-Promoted HDR Video Reconstruction [45.73396977607666]
  高ダイナミックレンジ(LDR)ビデオ再構成は、低ダイナミックレンジ(LDR)フレームから交互に露出したHDRビデオを生成することを目的としている。 既存の作品の多くは回帰に基づくパラダイムにのみ依存しており、ゴーストのアーティファクトや飽和した地域での詳細の欠如といった悪影響につながっている。 本稿では,HDR-V-Diffと呼ばれるHDR映像再構成のための拡散促進手法を提案する。
  論文  参考訳（メタデータ） (2024-06-12T13:38:10Z)
• 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)
• Event-based Asynchronous HDR Imaging by Temporal Incident Light Modulation [54.64335350932855]
  我々は,HDRイメージングの課題に関する重要な知見に基づいて,Pixel-Asynchronous HDRイメージングシステムを提案する。 提案システムでは,DVS(Dynamic Vision Sensors)とLCDパネルを統合する。 LCDパネルは、その透過性を変化させてDVSの照射インシデントを変調し、ピクセル非依存のイベントストリームをトリガーする。
  論文  参考訳（メタデータ） (2024-03-14T13:45:09Z)
• 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)
• Online Overexposed Pixels Hallucination in Videos with Adaptive Reference Frame Selection [90.35085487641773]
  低ダイナミックレンジ(LDR)カメラは広いダイナミックレンジ入力に対応できず、しばしば局所的な露出問題を引き起こす。 複雑な処理機構を使わずにこれらの成果物を削減できる学習ベースシステムを提案する。
  論文  参考訳（メタデータ） (2023-08-29T17:40:57Z)
• LAN-HDR: Luminance-based Alignment Network for High Dynamic Range Video Reconstruction [20.911738532410766]
  本稿では,LDRフレームを特徴空間に整列させ,その特徴をHDRフレームにマージする,エンドツーエンドのHDRビデオ合成フレームワークを提案する。 トレーニングでは、フレーム再構築損失に加えて時間的損失を採用し、時間的一貫性を高め、フリッカリングを低減する。
  論文  参考訳（メタデータ） (2023-08-22T01:43:00Z)
• DeepHS-HDRVideo: Deep High Speed High Dynamic Range Video Reconstruction [23.341594337637545]
  予め訓練されたビデオフレームネットワークを用いて、入力されたLDRフレームを整列する。 これにより,LDRフレームのアライメントが向上する。 また、高速FPS HDRビデオを生成するための最初の方法も提示する。
  論文  参考訳（メタデータ） (2022-10-10T04:27:45Z)
• Snapshot HDR Video Construction Using Coded Mask [25.12198906401246]
  本研究は,3D-CNNを用いて,符号化LDRビデオによる共同デモサイクリング,デノナイジング,HDRビデオ再構成を行う。 得られた結果は有望であり、従来のカメラで手頃なHDRビデオ撮影に繋がる可能性がある。
  論文  参考訳（メタデータ） (2021-12-05T09:32:11Z)
• 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。