論文の概要: Residual Aligned: Gradient Optimization for Non-Negative Image Synthesis

• arxiv url: http://arxiv.org/abs/2202.04036v1
• Date: Tue, 8 Feb 2022 18:04:32 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-09 15:27:16.386402
• Title: Residual Aligned: Gradient Optimization for Non-Negative Image Synthesis
• Title（参考訳）: 非負画像合成のための残差アライメント:勾配最適化
• Authors: Flora Yu Shen, Katie Luo, Guandao Yang, Harald Haraldsson, Serge Belongie
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 11.026337830218067
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this work, we address an important problem of optical see through (OST) augmented reality: non-negative image synthesis. Most of the image generation methods fail under this condition, since they assume full control over each pixel and cannot create darker pixels by adding light. In order to solve the non-negative image generation problem in AR image synthesis, prior works have attempted to utilize optical illusion to simulate human vision but fail to preserve lightness constancy well under situations such as high dynamic range. In our paper, we instead propose a method that is able to preserve lightness constancy at a local level, thus capturing high frequency details. Compared with existing work, our method shows strong performance in image-to-image translation tasks, particularly in scenarios such as large scale images, high resolution images, and high dynamic range image transfer.
• Abstract（参考訳）: 本研究は,非負画像合成という,拡張現実(OST)による光学的ファインメントの重要な問題に対処する。 画像生成手法の多くは、各画素を完全に制御し、光を加えることでより暗い画素を生成することができないため、この条件下で失敗する。 ar画像合成における非負画像生成問題を解決するために、先行研究は人間の視覚をシミュレートするために光学的錯視を利用したが、高ダイナミックレンジのような状況下では明度維持に失敗した。 そこで本稿では, 局所的に光の濃度を保ち, 高周波の詳細を捉える手法を提案する。 既存の手法と比較して, 大規模画像, 高分解能画像, 高ダイナミックレンジ画像転送などのシナリオにおいて, 画像から画像への変換タスクにおいて, 高い性能を示す。

関連論文リスト

• Hybrid Neural Rendering for Large-Scale Scenes with Motion Blur [68.24599239479326]
  画像ベース表現とニューラル3D表現を結合して高品質なビュー一貫性のある画像をレンダリングするハイブリッドなニューラルレンダリングモデルを開発した。 我々のモデルは、新しいビュー合成のための最先端のポイントベース手法を超越している。
  論文  参考訳（メタデータ） (2023-04-25T08:36:33Z)
• Stay Positive: Non-Negative Image Synthesis for Augmented Reality [39.930627591187104]
  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。
  論文  参考訳（メタデータ） (2022-02-01T18:55:11Z)
• 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)
• USIS: Unsupervised Semantic Image Synthesis [9.613134538472801]
  セマンティック画像合成(USIS)のための新しい教師なしパラダイムを提案する。 USISは、自己教師付きセグメンテーションロスを使用して、視覚的に分離可能なセグメンテーションクラスで画像を出力することを学ぶ。 実画像の色とテクスチャの分布を高周波数情報を失うことなく一致させるため,ウェーブレットを用いた識別手法を提案する。
  論文  参考訳（メタデータ） (2021-09-29T20:48:41Z)
• R2RNet: Low-light Image Enhancement via Real-low to Real-normal Network [7.755223662467257]
  本稿ではR2RNetと呼ばれる低照度画像強調のための新しいReal-low to Real-normal Networkを提案する。 合成画像で訓練された他のほとんどの方法とは異なり、我々は最初の大規模実世界ペアロー/ノーマルライト画像データセットを収集する。 提案手法はコントラストを適切に改善し,ノイズを同時に抑制することができる。
  論文  参考訳（メタデータ） (2021-06-28T09:33:13Z)
• Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
  2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。 カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
  論文  参考訳（メタデータ） (2021-03-19T04:00:27Z)
• Contextual colorization and denoising for low-light ultra high resolution sequences [0.0]
  低光度画像のシーケンスは、通常、非一貫性のノイズ、フリック、オブジェクトや動くオブジェクトのぼやけに苦しむ。 我々はこれらの問題に,同時着色と着色を同時に行う未経験学習手法で対処する。 提案手法は,主観的品質の観点から既存手法よりも優れており,輝度レベルや雑音の変動に頑健であることを示す。
  論文  参考訳（メタデータ） (2021-01-05T15:35:29Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)
• Multimodal Image Synthesis with Conditional Implicit Maximum Likelihood Estimation [54.17177006826262]
  我々はImplicit Maximum Likelihood Estimation (IMLE)に基づく新しい一般条件画像合成法を開発した。 我々は,シーンレイアウトからの単一画像超解像と画像合成という,2つのタスクにおけるマルチモーダル画像合成性能の改善を実証した。
  論文  参考訳（メタデータ） (2020-04-07T03:06:55Z)
• Reconstructing the Noise Manifold for Image Denoising [56.562855317536396]
  本稿では,画像ノイズ空間の構造を明示的に活用するcGANを提案する。 画像ノイズの低次元多様体を直接学習することにより、この多様体にまたがる情報のみをノイズ画像から除去する。 我々の実験に基づいて、我々のモデルは既存の最先端アーキテクチャを大幅に上回っている。
  論文  参考訳（メタデータ） (2020-02-11T00:31:31Z)

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。