論文の概要: Stay Positive: Non-Negative Image Synthesis for Augmented Reality

• arxiv url: http://arxiv.org/abs/2202.00659v1
• Date: Tue, 1 Feb 2022 18:55:11 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-02 15:38:53.640282
• Title: Stay Positive: Non-Negative Image Synthesis for Augmented Reality
• Title（参考訳）: 静止肯定:拡張現実のための非負画像合成
• Authors: Katie Luo, Guandao Yang, Wenqi Xian, Harald Haraldsson, Bharath Hariharan, Serge Belongie
• Abstract要約: 光シースルーやプロジェクター拡張現実のような応用では、画像を生成することは非負の画像生成を解決するのに等しい。 しかし、人間の視覚系は、ある空間的な明るさとコントラストの配置を含む錯視によって騙される可能性がある。 本稿では,意味的制約と非否定的制約の両方を満たす画像を生成するための新しい最適化手法を提案する。
• 参考スコア（独自算出の注目度）: 39.930627591187104
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In applications such as optical see-through and projector augmented reality, producing images amounts to solving non-negative image generation, where one can only add light to an existing image. Most image generation methods, however, are ill-suited to this problem setting, as they make the assumption that one can assign arbitrary color to each pixel. In fact, naive application of existing methods fails even in simple domains such as MNIST digits, since one cannot create darker pixels by adding light. We know, however, that the human visual system can be fooled by optical illusions involving certain spatial configurations of brightness and contrast. Our key insight is that one can leverage this behavior to produce high quality images with negligible artifacts. For example, we can create the illusion of darker patches by brightening surrounding pixels. We propose a novel optimization procedure to produce images that satisfy both semantic and non-negativity constraints. Our approach can incorporate existing state-of-the-art methods, and exhibits strong performance in a variety of tasks including image-to-image translation and style transfer.
• Abstract（参考訳）: オプティカルシースルーやプロジェクター拡張現実のようなアプリケーションでは、画像を生成することは、既存の画像に光を加えることしかできない非負のイメージ生成を解決できる。 しかし、ほとんどの画像生成方法は、各ピクセルに任意の色を割り当てることができるという仮定で、この問題設定には不向きである。 実際、既存の手法は、MNIST桁のような単純なドメインでも、光を加えることでより暗いピクセルを作ることができないため、単純な適用では失敗する。 しかし、人間の視覚系は、ある空間的な明るさとコントラストの配置を含む錯視によって騙される可能性がある。 私たちの重要な洞察は、この動作を利用して、無視できるアーティファクトで高品質な画像を生成することができるということです。 例えば、周囲のピクセルを明るくすることで、より暗いパッチの錯覚を作り出すことができる。 意味的制約と非否定的制約の両方を満たす画像を生成するための新しい最適化手法を提案する。 提案手法は,既存の最先端手法を取り入れ,画像から画像への翻訳やスタイルの伝達など,様々なタスクにおいて高い性能を示す。

関連論文リスト

• Making Images from Images: Interleaving Denoising and Transformation [5.776000002820102]
  我々は、画像の内容だけでなく、所望の画像を互いに変換するために必要なパラメータ化変換も学習する。 画像変換を学習することで、任意のソースイメージを事前に指定することができる。 従来の手法とは異なり、リージョンの数を増やすことで、この問題がより簡単になり、結果が改善される。
  論文  参考訳（メタデータ） (2024-11-24T17:13:11Z)
• Pixel-Wise Color Constancy via Smoothness Techniques in Multi-Illuminant Scenes [16.176896461798993]
  複数光源による画素ワイズ照明図を学習し,新しい多照度カラーコンスタント法を提案する。 提案手法は, 隣接する画素内のスムーズさを, 全変動損失でトレーニングを正則化することによって実施する。 さらに、エッジを保ちながら、推定画像の自然な外観を高めるために、両側フィルタを設ける。
  論文  参考訳（メタデータ） (2024-02-05T11:42:19Z)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• Designing An Illumination-Aware Network for Deep Image Relighting [69.750906769976]
  本稿では、階層的なサンプリングから1つの画像からシーンを段階的にリライトするためのガイダンスに従うイルミネーション・アウェア・ネットワーク(IAN)を提案する。 さらに、物理レンダリングプロセスの近似として、イルミネーション・アウェア・残留ブロック(IARB)が設計されている。 実験の結果,提案手法は従来の最先端手法よりも定量的,定性的な照準結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-07-21T16:21:24Z)
• Residual Aligned: Gradient Optimization for Non-Negative Image Synthesis [11.026337830218067]
  そこで本研究では,光度濃度を局所的に保持する手法を提案する。 既存の作業と比較すると,画像から画像への変換作業では高い性能を示す。
  論文  参考訳（メタデータ） (2022-02-08T18:04:32Z)
• Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
  そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。 本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2022-01-10T03:12:52Z)
• Intrinsic Image Transfer for Illumination Manipulation [1.2387676601792899]
  本稿では,照明操作のための固有画像転送(IIT)アルゴリズムを提案する。 2つの照明面間の局所的な画像変換を生成する。 本報告では,本質的な画像分解を行うことなく,全ての損失を低減できることを示す。
  論文  参考訳（メタデータ） (2021-07-01T19:12:24Z)
• In&Out : Diverse Image Outpainting via GAN Inversion [89.84841983778672]
  image outpaintingは、利用可能なコンテンツを超えて、入力画像の意味的に一貫した拡張を求める。 本研究では、生成的対向ネットワークの反転の観点から問題を定式化する。 私達の発電機はイメージの彼らの共同潜入コードそして個々の位置で調節されるマイクロ パッチをレンダリングします。
  論文  参考訳（メタデータ） (2021-04-01T17:59:10Z)
• Shape, Illumination, and Reflectance from Shading [86.71603503678216]
  コンピュータビジョンにおける根本的な問題は、フラットな2次元画像から世界の本質的な3次元構造を推定することである。 表面は滑らかである傾向があり、塗料は均一である傾向があり、照明は自然である傾向にある。 我々の技術は、いくつかの古典的なコンピュータビジョン問題のスーパーセットと見なすことができる。
  論文  参考訳（メタデータ） (2020-10-07T18:14:41Z)

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。