論文の概要: FCNet: A Convolutional Neural Network for Arbitrary-Length Exposure Estimation

• arxiv url: http://arxiv.org/abs/2203.03624v4
• Date: Thu, 7 Sep 2023 11:23:51 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-08 18:17:00.989764
• Title: FCNet: A Convolutional Neural Network for Arbitrary-Length Exposure Estimation
• Title（参考訳）: FCNet:任意長露光推定のための畳み込みニューラルネットワーク
• Authors: Jin Liang, Yuchen Yang, Anran Zhang, Jun Xu, Hui Li, Xiantong Zhen
• Abstract要約: 本研究では,不適切な露光を伴う任意の長さ(うち1つを含む)の画像列に対処するために,FCNet(Fusion-Correction Network)を開発した。 FCNetはSECとMEFを含む任意の長さの露光推定に有効である。
• 参考スコア（独自算出の注目度）: 30.814482736238748
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The photographs captured by digital cameras usually suffer from over or under exposure problems. For image exposure enhancement, the tasks of Single-Exposure Correction (SEC) and Multi-Exposure Fusion (MEF) are widely studied in the image processing community. However, current SEC or MEF methods are developed under different motivations and thus ignore the internal correlation between SEC and MEF, making it difficult to process arbitrary-length sequences with improper exposures. Besides, the MEF methods usually fail at estimating the exposure of a sequence containing only under-exposed or over-exposed images. To alleviate these problems, in this paper, we develop a novel Fusion-Correction Network (FCNet) to tackle an arbitrary-length (including one) image sequence with improper exposures. This is achieved by fusing and correcting an image sequence by Laplacian Pyramid (LP) image decomposition. In each LP level, the low-frequency base component of the input image sequence is fed into a Fusion block and a Correction block sequentially for consecutive exposure estimation, implemented by alternative exposure fusion and correction. The exposure-corrected image in current LP level is upsampled and fused with the high-frequency detail components of the input image sequence in the next LP level, to output the base component for the Fusion and Correction blocks in next LP level. Experiments on the benchmark dataset demonstrate that our FCNet is effective on arbitrary-length exposure estimation, including both SEC and MEF. The code is publicly released at https://github.com/NKUJinLiang/FCNet.
• Abstract（参考訳）: デジタルカメラで撮影された写真は、通常、露出不足や露出不足に苦しむ。 画像露光エンハンスメントでは,単一露光補正(sec)と複数露光融合(mef)の課題が画像処理コミュニティで広く研究されている。 しかし、現在のSECまたはMEF法は、異なるモチベーションの下で開発されており、SECとMEFの内部相関を無視しているため、不適切な露出で任意の長さのシーケンスを処理するのが困難である。 加えて、MEF法は通常、露出不足または露出過剰な画像のみを含むシーケンスの露出を推定できない。 これらの問題を緩和するために,不適切な露光を伴う任意の長さ(うち1つを含む)の画像列に対処する新しいFCNetを開発した。 これは、ラプラシアンピラミッド(LP)画像分解による画像シーケンスの融合と補正によって達成される。 各lpレベルにおいて、入力画像シーケンスの低周波ベース成分を、代替露光融合および補正により実装された連続露光推定のための連続露光ブロックと補正ブロックとに順次供給する。 現在のLPレベルの露光補正画像は、次のLPレベルの入力画像シーケンスの高周波詳細成分とアップサンプリングして融合し、次のLPレベルのFusionおよびCorrectionブロックのベースコンポーネントを出力する。 ベンチマークデータセットの実験では、当社のFCNetはSECとMEFを含む任意の長さの露光推定に有効であることが示された。 コードはhttps://github.com/NKUJinLiang/FCNetで公開されている。

関連論文リスト

• Scene-Segmentation-Based Exposure Compensation for Tone Mapping of High Dynamic Range Scenes [8.179779837795754]
  マルチ露光画像融合(MEF)に基づくトーンマッピングのためのシーン分割に基づく新しい露出補償法を提案する。 提案手法は,入力されたHDR画像から異なる露光画像のスタックを生成し,それらを単一の画像に融合する。
  論文  参考訳（メタデータ） (2024-10-21T04:50:02Z)
• Unsupervised Learning Based Multi-Scale Exposure Fusion [9.152843503286796]
  教師なし学習に基づくマルチスケール露光融合(ULMEF)は、高ダイナミックレンジシーンのための高画質のLDR画像に異なる露光低ダイナミックレンジ(LDR)画像を融合するのに効率的である。 本稿では,ALMEFに対して新たな損失関数を提案し,同じHDRシーンからのすべての画像と他の異なる露光画像を融合して定義する。
  論文  参考訳（メタデータ） (2024-09-26T13:29:40Z)
• Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
  低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。 RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。 また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
  論文  参考訳（メタデータ） (2024-09-11T06:12:03Z)
• Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
  本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。 本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。 本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
  論文  参考訳（メタデータ） (2024-02-28T09:27:41Z)
• A Dual Domain Multi-exposure Image Fusion Network based on the Spatial-Frequency Integration [57.14745782076976]
  マルチ露光画像融合は、異なる露光で画像を統合することにより、単一の高ダイナミック画像を生成することを目的としている。 本稿では,MEF-SFI と呼ばれる空間周波数統合フレームワークによるマルチ露光画像融合の新たな視点を提案する。 提案手法は,最先端のマルチ露光画像融合手法に対する視覚的近似核融合結果を実現する。
  論文  参考訳（メタデータ） (2023-12-17T04:45:15Z)
• Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
  2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。 本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。 提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
  論文  参考訳（メタデータ） (2023-05-20T17:01:52Z)
• Fluctuation-based deconvolution in fluorescence microscopy using plug-and-play denoisers [2.236663830879273]
  蛍光顕微鏡で得られた生きた試料の画像の空間分解能は、可視光の回折により物理的に制限される。 この制限を克服するために、いくつかのデコンボリューションと超解像技術が提案されている。
  論文  参考訳（メタデータ） (2023-03-20T15:43:52Z)
• DDFM: Denoising Diffusion Model for Multi-Modality Image Fusion [144.9653045465908]
  拡散確率モデル(DDPM)に基づく新しい融合アルゴリズムを提案する。 近赤外可視画像融合と医用画像融合で有望な融合が得られた。
  論文  参考訳（メタデータ） (2023-03-13T04:06:42Z)
• Efficient joint noise removal and multi exposure fusion [0.0]
  マルチ露光融合(Multi-Exposure fusion、MEF)は、異なる露光設定で取得した同一シーンの異なる画像を単一の画像に組み合わせる手法である。 ノイズ除去を考慮した新しいマルチ露光画像融合チェーンを提案する。
  論文  参考訳（メタデータ） (2021-12-04T09:30:10Z)
• Low-Light Image Enhancement with Normalizing Flow [92.52290821418778]
  本稿では,この一対多の関係を正規化フローモデルを用いてモデル化する。 低照度画像/特徴を条件として取り、通常露光される画像の分布をガウス分布にマッピングすることを学ぶ可逆ネットワーク。 既存のベンチマークデータセットによる実験結果から,提案手法はより定量的,質的な結果を得ることができ,照度が良く,ノイズやアーティファクトが小さく,色も豊かになることがわかった。
  論文  参考訳（メタデータ） (2021-09-13T12:45:08Z)
• iToF2dToF: A Robust and Flexible Representation for Data-Driven Time-of-Flight Imaging [26.17890136713725]
  間接飛行時間(iToF)カメラは、有望な深度検出技術です。 マルチパス干渉(MPI)と低信号対雑音比(SNR)によって引き起こされるエラーが発生しやすい。
  論文  参考訳（メタデータ） (2021-03-12T04:57:52Z)

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。