論文の概要: 3DVSR: 3D EPI Volume-based Approach for Angular and Spatial Light field
Image Super-resolution
- arxiv url: http://arxiv.org/abs/2201.01294v1
- Date: Tue, 4 Jan 2022 18:57:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-05 13:34:25.814378
- Title: 3DVSR: 3D EPI Volume-based Approach for Angular and Spatial Light field
Image Super-resolution
- Title（参考訳）: 3DVSR:角・空間光場画像超解像のための3D EPIボリュームベースアプローチ
- Authors: Trung-Hieu Tran, Jan Berberich, Sven Simon
- Abstract要約: 本稿では,高分解能光場を再構成するための3次元エピポーラ画像(EPI)に学習に基づくアプローチを提案する。
7つのデータセットから90の挑戦的な合成および実世界の光場シーンを広範囲に評価したところ、提案手法は最先端の手法よりも優れていることがわかった。
- 参考スコア（独自算出の注目度）: 2.127049691404299
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Light field (LF) imaging, which captures both spatial and angular information
of a scene, is undoubtedly beneficial to numerous applications. Although
various techniques have been proposed for LF acquisition, achieving both
angularly and spatially high-resolution LF remains a technology challenge. In
this paper, a learning-based approach applied to 3D epipolar image (EPI) is
proposed to reconstruct high-resolution LF. Through a 2-stage super-resolution
framework, the proposed approach effectively addresses various LF
super-resolution (SR) problems, i.e., spatial SR, angular SR, and
angular-spatial SR. While the first stage provides flexible options to
up-sample EPI volume to the desired resolution, the second stage, which
consists of a novel EPI volume-based refinement network (EVRN), substantially
enhances the quality of the high-resolution EPI volume. An extensive evaluation
on 90 challenging synthetic and real-world light field scenes from 7 published
datasets shows that the proposed approach outperforms state-of-the-art methods
to a large extend for both spatial and angular super-resolution problem, i.e.,
an average peak signal to noise ratio improvement of more than 2.0 dB, 1.4 dB,
and 3.14 dB in spatial SR $\times 2$, spatial SR $\times 4$, and angular SR
respectively. The reconstructed 4D light field demonstrates a balanced
performance distribution across all perspective images and presents superior
visual quality compared to the previous works.
- Abstract（参考訳）: 光フィールド(lf)イメージングは、シーンの空間情報と角度情報の両方をキャプチャするが、多くのアプリケーションにとって間違いなく有益である。
LF取得には様々な技術が提案されているが、角高分解能LFと空間高分解能LFの両方を達成することは技術的課題である。
本稿では,高分解能LFを再構成するための3次元極性画像(EPI)に学習に基づくアプローチを提案する。
提案手法は2段階の超分解能フレームワークを用いて,空間SR,角状SR,角-空間SRといった様々なLF超分解能問題に効果的に対処する。
第1段階は、所望の解像度にEPIボリュームをアップサンプルする柔軟なオプションを提供する一方で、第2段階は、新しいEPIボリュームベース精製ネットワーク(EVRN)で構成され、高解像度のEPIボリュームの品質を大幅に向上させる。
提案手法は,空間的および角的超解像問題,すなわち,空間的SR$\times 2$,空間的SR$\times 4$,角状SRにおける2dB,1.4dB,3.14dB以上の雑音比改善に対する平均ピーク信号,および3.14dBに対して,最先端の手法よりも優れていることを示す。
再構成された4次元光野は、全視点画像におけるバランスの取れた性能分布を示し、以前の作品よりも優れた視覚品質を示す。
関連論文リスト
- Diffusion-based Light Field Synthesis [50.24624071354433]
LFdiffは、LF合成に適した拡散ベースの生成フレームワークである。
本稿では,遠絡型雑音推定ネットワークDistgUnetを提案する。
広範囲な実験により、LFdiffは視覚的に快く、不均一に制御可能な光電場を合成する際に優れていることが示されている。
論文 参考訳（メタデータ） (2024-02-01T13:13:16Z) - Phase Guided Light Field for Spatial-Depth High Resolution 3D Imaging [36.208109063579066]
3Dイメージングでは、光界カメラは通常単発で、空間解像度と深度精度の低下に悩まされる。
そこで本研究では,オフザシェルフ光場カメラの空間分解能と深度を両立させる位相誘導光場アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-11-17T15:08:15Z) - Learning Non-Local Spatial-Angular Correlation for Light Field Image
Super-Resolution [36.69391399634076]
光場(LF)画像超解像(SR)には空間-角相関の爆発が不可欠である
LF画像SRの非局所的空間角相関を学習するための簡易かつ効果的な手法を提案する。
提案手法は,全角視からの情報を完全に取り入れつつ,極上線に沿った大域的受容場を達成できる。
論文 参考訳（メタデータ） (2023-02-16T03:40:40Z) - Learning Texture Transformer Network for Light Field Super-Resolution [1.5469452301122173]
変換器ネットワーク(TTSR)を利用した光画像の空間分解能向上手法を提案する。
その結果,2次元の光場画像より約4dBから6dBのPSNRゲインが得られた。
論文 参考訳（メタデータ） (2022-10-09T15:16:07Z) - Sub-Aperture Feature Adaptation in Single Image Super-resolution Model
for Light Field Imaging [17.721259583120396]
本稿では,この強力なSISRモデルを活用するために,事前訓練されたSingle Image Super Resolution (SISR)ネットワークにおける適応モジュールを提案する。
これは、LF画像の空間的および角的情報をさらに活用し、超解像性能を向上させるためのSISRネットワークの適応である。
論文 参考訳（メタデータ） (2022-07-25T03:43:56Z) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳（メタデータ） (2021-03-24T08:16:32Z) - A Parallel Down-Up Fusion Network for Salient Object Detection in
Optical Remote Sensing Images [82.87122287748791]
光リモートセンシング画像(RSI)における有意な物体検出のための新しい並列ダウンアップフュージョンネットワーク(PDF-Net)を提案する。
In-pathの低レベル・高レベルな特徴とクロスパスの多解像度な特徴をフル活用して、多様なスケールのサルエントオブジェクトを識別し、散らかった背景を抑える。
ORSSDデータセットの実験により、提案したネットワークは定性的かつ定量的に最先端のアプローチよりも優れていることが示された。
論文 参考訳（メタデータ） (2020-10-02T05:27:57Z) - Hyperspectral Image Super-resolution via Deep Progressive Zero-centric
Residual Learning [62.52242684874278]
空間情報とスペクトル情報の相互モダリティ分布が問題となる。
本稿では,PZRes-Netという,新しいテクスライトウェイトなディープニューラルネットワークベースのフレームワークを提案する。
本フレームワークは,高分解能かつテクテッセロ中心の残像を学習し,シーンの空間的詳細を高頻度で表現する。
論文 参考訳（メタデータ） (2020-06-18T06:32:11Z) - Light Field Spatial Super-resolution via Deep Combinatorial Geometry
Embedding and Structural Consistency Regularization [99.96632216070718]
ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。
LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。
本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
論文 参考訳（メタデータ） (2020-04-05T14:39:57Z) - Learning Light Field Angular Super-Resolution via a Geometry-Aware
Network [101.59693839475783]
そこで本研究では,広いベースラインを持つスパースサンプリング光場を超解き放つことを目的とした,エンド・ツー・エンドの学習ベースアプローチを提案する。
提案手法は,実行時間48$times$を節約しつつ,2番目のベストメソッドのPSNRを平均2dBまで改善する。
論文 参考訳（メタデータ） (2020-02-26T02:36:57Z)
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。