論文の概要: Leveraging blur information for plenoptic camera calibration

• arxiv url: http://arxiv.org/abs/2111.05226v1
• Date: Tue, 9 Nov 2021 16:07:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-10 16:03:47.315586
• Title: Leveraging blur information for plenoptic camera calibration
• Title（参考訳）: plenopticカメラキャリブレーションにおけるぼけ情報の利用
• Authors: Mathieu Labussi\`ere, C\'eline Teuli\`ere, Fr\'ed\'eric Bernardin, Omar Ait-Aider
• Abstract要約: 本稿では,光学カメラ,特にマルチフォーカス構成のための新しいキャリブレーションアルゴリズムを提案する。 マルチフォーカス構成では、シーンの同じ部分がマイクロレンズ焦点長に応じて異なる量のぼやけを示す。 通常、最小限のぼやけたマイクロイメージしか使われない。 我々は,新たに導入されたBlur Aware Plenoptic機能を利用して,新しいカメラモデルにおけるデフォーカスのぼかしを明示的にモデル化することを提案する。
• 参考スコア（独自算出の注目度）: 6.0982543764998995
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper presents a novel calibration algorithm for plenoptic cameras, especially the multi-focus configuration, where several types of micro-lenses are used, using raw images only. Current calibration methods rely on simplified projection models, use features from reconstructed images, or require separated calibrations for each type of micro-lens. In the multi-focus configuration, the same part of a scene will demonstrate different amounts of blur according to the micro-lens focal length. Usually, only micro-images with the smallest amount of blur are used. In order to exploit all available data, we propose to explicitly model the defocus blur in a new camera model with the help of our newly introduced Blur Aware Plenoptic (BAP) feature. First, it is used in a pre-calibration step that retrieves initial camera parameters, and second, to express a new cost function to be minimized in our single optimization process. Third, it is exploited to calibrate the relative blur between micro-images. It links the geometric blur, i.e., the blur circle, to the physical blur, i.e., the point spread function. Finally, we use the resulting blur profile to characterize the camera's depth of field. Quantitative evaluations in controlled environment on real-world data demonstrate the effectiveness of our calibrations.
• Abstract（参考訳）: 本稿では,光ファイバーカメラの新しい校正アルゴリズム,特に複数種類のマイクロレンズを用いるマルチフォーカス構成について,原画像のみを用いて述べる。 現在のキャリブレーション法は、単純化されたプロジェクションモデル、再構成画像の特徴の使用、マイクロレンズの種類ごとにキャリブレーションを分離する必要がある。 マルチフォーカス構成では、シーンの同じ部分が、マイクロレンズ焦点焦点の長さに応じて異なる量のぼやけを示す。 通常、最小のぼかしのマイクロ画像のみが使用される。 本稿では,新たに導入されたBlur Aware Plenoptic(BAP)機能を利用して,新しいカメラモデルにおけるデフォーカスブラーを明示的にモデル化することを提案する。 第1に、初期カメラパラメータを検索する事前校正ステップで使用し、第2に、単一最適化プロセスで最小化される新しいコスト関数を表現します。 第3に、マイクロイメージ間の相対的ぼかしを校正するために利用される。 これは幾何学的ぼやけ、すなわちぼやけた円と物理的なぼやけ、すなわち点拡散関数を結びつける。 最後に、結果のぼかしプロファイルを用いて、カメラの被写界深度を特徴付ける。 実世界データを用いた制御環境における定量的評価は, 校正の有効性を示す。

関連論文リスト

• Single-image camera calibration with model-free distortion correction [0.0]
  本稿では,センサ全体をカバーする平面スペックルパターンの単一画像から,キャリブレーションパラメータの完全な集合を推定する方法を提案する。 デジタル画像相関を用いて校正対象の画像点と物理点との対応を求める。 プロシージャの最後には、画像全体にわたって、密度が高く均一なモデルフリーな歪みマップが得られる。
  論文  参考訳（メタデータ） (2024-03-02T16:51:35Z)
• Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer for Exposure Correction [65.5397271106534]
  単一のニューラルネットワークは、すべての露光問題に対処することが難しい。 特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。 本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
  論文  参考訳（メタデータ） (2023-09-02T09:07:36Z)
• Self-Supervised Camera Self-Calibration from Video [34.35533943247917]
  汎用カメラモデルの効率的なファミリーを用いてシーケンスごとのキャリブレーションパラメータを回帰する学習アルゴリズムを提案する。 提案手法は,サブピクセル再投射誤差による自己校正を行い,他の学習手法よりも優れる。
  論文  参考訳（メタデータ） (2021-12-06T19:42:05Z)
• MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
  ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。 我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。 MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
  論文  参考訳（メタデータ） (2021-12-01T02:10:42Z)
• Single image deep defocus estimation and its applications [82.93345261434943]
  画像パッチを20レベルの曖昧さの1つに分類するために、ディープニューラルネットワークをトレーニングします。 トレーニングされたモデルは、反復重み付きガイドフィルタを適用して改善するパッチのぼかしを決定するために使用される。 その結果、デフォーカスマップは各ピクセルのぼやけた度合いの情報を運ぶ。
  論文  参考訳（メタデータ） (2021-07-30T06:18:16Z)
• How to Calibrate Your Event Camera [58.80418612800161]
  画像再構成を用いた汎用イベントカメラキャリブレーションフレームワークを提案する。 ニューラルネットワークに基づく画像再構成は,イベントカメラの内在的・外在的キャリブレーションに適していることを示す。
  論文  参考訳（メタデータ） (2021-05-26T07:06:58Z)
• Blur Aware Calibration of Multi-Focus Plenoptic Camera [7.57024681220677]
  本稿では, 原画像のみを用いた多焦点Plenoptic Camera (Cs) の新しい校正アルゴリズムを提案する。 ぼやけた情報を考慮して,Blur Aware Plenoptic (BAP) 機能を提案する。 キャリブレーション法の有効性を定量的および定性的実験により検証した。
  論文  参考訳（メタデータ） (2020-04-16T16:29:34Z)
• Superaccurate Camera Calibration via Inverse Rendering [0.19336815376402716]
  逆レンダリングの原理を用いたカメラキャリブレーションの新しい手法を提案する。 検出された特徴点のみに頼らず、内部パラメータの推定と校正対象のポーズを用いて光学的特徴の非フォトリアリスティックな等価性を暗黙的に描画する。
  論文  参考訳（メタデータ） (2020-03-20T10:26:16Z)
• Multi-View Photometric Stereo: A Robust Solution and Benchmark Dataset for Spatially Varying Isotropic Materials [65.95928593628128]
  多視点光度ステレオ技術を用いて3次元形状と空間的に異なる反射率の両方をキャプチャする手法を提案する。 我々のアルゴリズムは、遠近点光源と遠近点光源に適している。
  論文  参考訳（メタデータ） (2020-01-18T12:26:22Z)
• DeepFocus: a Few-Shot Microscope Slide Auto-Focus using a Sample Invariant CNN-based Sharpness Function [6.09170287691728]
  オートフォーカス(AF)法は、例えばタイムラプスを取得するために生体顕微鏡で広く用いられている。 現在のハードウェアベースの手法では、顕微鏡と画像ベースのアルゴリズムを変更する必要がある。 我々はMicro-Managerプラグインとして実装したAFメソッドであるDeepFocusを提案する。
  論文  参考訳（メタデータ） (2020-01-02T23:29:11Z)
• Microlens array grid estimation, light field decoding, and calibration [77.34726150561087]
  マイクロレンズアレイ型光フィールドカメラにおけるマイクロレンズアレイグリッド推定のための複数のアルゴリズムについて検討する。 そこで本研究では,マイクロレンズアレイグリッド推定法を提案する。
  論文  参考訳（メタデータ） (2019-12-31T13:27:13Z)

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。