論文の概要: Self-supervised HDR Imaging from Motion and Exposure Cues
- arxiv url: http://arxiv.org/abs/2203.12311v1
- Date: Wed, 23 Mar 2022 10:22:03 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-24 15:24:04.711087
- Title: Self-supervised HDR Imaging from Motion and Exposure Cues
- Title(参考訳): 運動・露光キューからの自己監督型HDRイメージング
- Authors: Michal Nazarczuk and Sibi Catley-Chandar and Ales Leonardis and
Eduardo P\'erez Pellitero
- Abstract要約: 本稿では,学習可能なHDR推定のための新たな自己教師型アプローチを提案する。
実験の結果,提案手法を用いて訓練したHDRモデルは,全監督下で訓練したモデルと性能の競争力を発揮することがわかった。
- 参考スコア(独自算出の注目度): 14.57046548797279
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recent High Dynamic Range (HDR) techniques extend the capabilities of current
cameras where scenes with a wide range of illumination can not be accurately
captured with a single low-dynamic-range (LDR) image. This is generally
accomplished by capturing several LDR images with varying exposure values whose
information is then incorporated into a merged HDR image. While such approaches
work well for static scenes, dynamic scenes pose several challenges, mostly
related to the difficulty of finding reliable pixel correspondences.
Data-driven approaches tackle the problem by learning an end-to-end mapping
with paired LDR-HDR training data, but in practice generating such HDR
ground-truth labels for dynamic scenes is time-consuming and requires complex
procedures that assume control of certain dynamic elements of the scene (e.g.
actor pose) and repeatable lighting conditions (stop-motion capturing). In this
work, we propose a novel self-supervised approach for learnable HDR estimation
that alleviates the need for HDR ground-truth labels. We propose to leverage
the internal statistics of LDR images to create HDR pseudo-labels. We
separately exploit static and well-exposed parts of the input images, which in
conjunction with synthetic illumination clipping and motion augmentation
provide high quality training examples. Experimental results show that the HDR
models trained using our proposed self-supervision approach achieve performance
competitive with those trained under full supervision, and are to a large
extent superior to previous methods that equally do not require any
supervision.
- Abstract(参考訳): 近年のハイダイナミックレンジ(hdr)技術は、広い照明範囲のシーンを単一の低ダイナミックレンジ(ldr)画像で正確に撮影できない現在のカメラの能力を拡張している。
これは一般に、情報を統合されたHDR画像に組み込んだ様々な露光値を持つ複数のLDR画像をキャプチャすることで達成される。
このようなアプローチは静的なシーンではうまく機能するが、動的シーンにはいくつかの課題があり、主に信頼できるピクセル対応を見つけるのが困難である。
データ駆動アプローチでは、ldr-hdrトレーニングデータでエンドツーエンドマッピングを学習することでこの問題に対処しているが、実際には、ダイナミックシーンのためのhdrグラウンド-ルースラベルの生成には時間がかかり、シーンの動的要素(俳優のポーズなど)と反復可能な照明条件(ストップモーションキャプチャ)の制御を前提とする複雑な手順が必要となる。
本研究では,学習可能なHDR推定のための新たな自己教師型アプローチを提案する。
我々は,LDR画像の内部統計を利用してHDR擬似ラベルを作成することを提案する。
入力画像の静的およびよく露出した部分を別々に利用し、合成照明クリッピングと運動増強と組み合わせて高品質なトレーニング例を提供する。
実験結果から,提案手法を用いて訓練したhdrモデルは,全監督下で訓練したhdrモデルと同等に監視を必要としない従来の手法に匹敵する性能を実現することがわかった。
関連論文リスト
- HDR Imaging for Dynamic Scenes with Events [2.750189317612375]
本稿では,実世界の動的シナリオにおけるHDRI性能を一般化する,自己教師付き学習パラダイムにおけるイベントベースのHDRIフレームワークを提案する。
ぼやけたLDR画像から鋭いLDR画像へのクロスドメイン変換を学習することにより、自己教師付き学習戦略を実行する。
提案手法の有効性を評価するため,大規模合成および実世界のデータセットを構築した。
論文 参考訳(メタデータ) (2024-04-04T05:33:06Z) - Event-based Asynchronous HDR Imaging by Temporal Incident Light Modulation [54.64335350932855]
我々は,HDRイメージングの課題に関する重要な知見に基づいて,Pixel-Asynchronous HDRイメージングシステムを提案する。
提案システムでは,DVS(Dynamic Vision Sensors)とLCDパネルを統合する。
LCDパネルは、その透過性を変化させてDVSの照射インシデントを変調し、ピクセル非依存のイベントストリームをトリガーする。
論文 参考訳(メタデータ) (2024-03-14T13:45:09Z) - Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in
Dynamic Scenes [58.66427721308464]
Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。
Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
論文 参考訳(メタデータ) (2023-10-03T07:10:49Z) - RawHDR: High Dynamic Range Image Reconstruction from a Single Raw Image [36.17182977927645]
高ダイナミックレンジ(RGB)画像は、標準画像よりもはるかに多くの強度レベルをキャプチャする。
現在の方法では、カメラ処理パイプラインによって劣化した8ビット低ダイナミックレンジ(LDR)s画像から、主にHDR画像を生成する。
既存の方法とは異なり、この研究の中心となる考え方は、より情報に富んだRawセンサーデータを取り入れてHDR画像を生成することである。
論文 参考訳(メタデータ) (2023-09-05T07:58:21Z) - SMAE: Few-shot Learning for HDR Deghosting with Saturation-Aware Masked
Autoencoders [97.64072440883392]
そこで本研究では,SSHDRと呼ばれる2段階の訓練を通した短距離HDRイメージングを実現するための,新しい半教師付きアプローチを提案する。
以前の方法とは異なり、コンテンツを直接回復し、ゴーストを同時に除去することは、最適に達成することが難しい。
実験により、SSHDRは異なるデータセットの内外における定量的かつ定性的に最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2023-04-14T03:42:51Z) - GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。
鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。
実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
論文 参考訳(メタデータ) (2022-11-22T15:42:08Z) - HDR-cGAN: Single LDR to HDR Image Translation using Conditional GAN [24.299931323012757]
低ダイナミックレンジ(LDR)カメラは、現実世界のシーンの広いダイナミックレンジを表現できない。
本研究では,HDR画像の再構成を行いながら,飽和領域の詳細を復元する深層学習手法を提案する。
本稿では,HDR-REALデータセットとHDR-SYNTHデータセットに対して,エンドツーエンドでトレーニングされた新しい条件付きGAN(cGAN)ベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2021-10-04T18:50:35Z) - Beyond Visual Attractiveness: Physically Plausible Single Image HDR
Reconstruction for Spherical Panoramas [60.24132321381606]
我々は,単発hdr再構成フレームワークに物理的照度制約を導入する。
本手法は,視覚に訴えるだけでなく,物理的に妥当なHDRを生成することができる。
論文 参考訳(メタデータ) (2021-03-24T01:51:19Z) - HDR-GAN: HDR Image Reconstruction from Multi-Exposed LDR Images with
Large Motions [62.44802076971331]
マルチ露光LDR画像からHDR画像を合成するための新しいGANモデルHDR-GANを提案する。
本手法は,敵対学習を取り入れることで,欠落したコンテンツのある領域に忠実な情報を生成することができる。
論文 参考訳(メタデータ) (2020-07-03T11:42:35Z)
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。