論文の概要: Deep Polarimetric HDR Reconstruction

• arxiv url: http://arxiv.org/abs/2203.14190v1
• Date: Sun, 27 Mar 2022 02:28:39 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-02 23:13:01.376724
• Title: Deep Polarimetric HDR Reconstruction
• Title（参考訳）: 深部ポラリメトリックHDR再構成
• Authors: Juiwen Ting, Moein Shakeri, Hong Zhang
• Abstract要約: 偏光カメラを用いた学習に基づく高ダイナミックレンジ(HDR)再構成手法を提案する。 ディープポラリメトリックHDRレコンストラクション(DPHR)は、偏光カメラから利用できる偏光キューを使用する機能マスキング機構である。 本研究では,DPHRが最先端HDR再構成アルゴリズムよりも有効であることを示す定性的および定量的評価を行った。
• 参考スコア（独自算出の注目度）: 6.018211924071185
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper proposes a novel learning based high-dynamic-range (HDR) reconstruction method using a polarization camera. We utilize a previous observation that polarization filters with different orientations can attenuate natural light differently, and we treat the multiple images acquired by the polarization camera as a set acquired under different exposure times, to introduce the development of solutions for the HDR reconstruction problem. We propose a deep HDR reconstruction framework with a feature masking mechanism that uses polarimetric cues available from the polarization camera, called Deep Polarimetric HDR Reconstruction (DPHR). The proposed DPHR obtains polarimetric information to propagate valid features through the network more effectively to regress the missing pixels. We demonstrate through both qualitative and quantitative evaluations that the proposed DPHR performs favorably than state-of-the-art HDR reconstruction algorithms.
• Abstract（参考訳）: 本稿では,偏光カメラを用いた新しい学習ベースハイダイナミックレンジ(HDR)再構成手法を提案する。 異なる方向の偏光フィルタは自然光を異なる方向に減衰させることができ、偏光カメラが取得した複数の画像を異なる露光時間で取得したセットとして扱い、hdr再構成問題に対する解の開発を紹介する。 偏光カメラから利用できる偏光的手がかりを利用した機能マスキング機構を備えた深部HDR再構成フレームワークを提案し,その手法をDPHR(Deep Polarimetric HDR Reconstruction)と呼ぶ。 提案するDPHRは、有効特徴をネットワークを介してより効果的に伝播し、欠落した画素を退避させるために偏光情報を取得する。 本研究では,DPHRが最先端HDR再構成アルゴリズムよりも有効であることを示す定性的および定量的評価を行った。

関連論文リスト

• Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
  近年の拡散モデル (DM) はHDRイメージング分野に導入されている。 DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。 ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-01T01:32:11Z)
• HistoHDR-Net: Histogram Equalization for Single LDR to HDR Image Translation [12.45632443397018]
  高ダイナミックレンジ(HDR)イメージングは、現実世界のシーンの高画質と明快さを再現することを目的としている。 この文献は、低ダイナミックレンジ(Low Dynamic Range, LDR)からのHDR画像再構成のための様々なデータ駆動手法を提供している。 これらのアプローチの共通する制限は、再構成されたHDR画像の領域における詳細が欠けていることである。 細部を復元するためのシンプルで効果的な手法Histo-Netを提案する。
  論文  参考訳（メタデータ） (2024-02-08T20:14:46Z)
• Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
  そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。 実験により、照射場は幾何復元とHDR再構成の両方において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） (2023-12-26T08:10:22Z)
• Towards High-quality HDR Deghosting with Conditional Diffusion Models [88.83729417524823]
  高ダイナミックレンジ(LDR)画像は、既存のディープニューラルネットワーク(DNN)技術により、複数の低ダイナミックレンジ(LDR)画像から復元することができる。 DNNは、LDR画像が飽和度と大きな動きを持つ場合、ゴーストアーティファクトを生成する。 拡散モデルの条件としてLDR特徴を利用する画像生成としてHDRデゴースト問題を定式化する。
  論文  参考訳（メタデータ） (2023-11-02T01:53:55Z)
• 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)
• Snapshot High Dynamic Range Imaging with a Polarization Camera [0.6445605125467574]
  本稿では,オフザシェルフ偏光カメラを高性能HDRカメラに変える方法を提案する。 ポーラライザの向きによって決定される露出の異なる4つの画像を同時にキャプチャすることができる。 我々は,これらの測定値からHDR画像(一極性)を再構成するための,外乱・自己校正アルゴリズムを開発した。
  論文  参考訳（メタデータ） (2023-08-16T02:04:34Z)
• FlexHDR: Modelling Alignment and Exposure Uncertainties for Flexible HDR Imaging [0.9185931275245008]
  高品質なHDR結果を生成するためにアライメントと露出の不確かさをモデル化する新しいHDRイメージング技術を提案する。 本研究では,HDRを意識した不確実性を考慮したアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・ 実験結果から,本手法は最先端の高画質HDR画像を最大0.8dBPSNRで生成できることがわかった。
  論文  参考訳（メタデータ） (2022-01-07T14:27:17Z)
• Deep Snapshot HDR Reconstruction Based on the Polarization Camera [3.534261120716916]
  オンチップマイクロポーラライザ技術により、4つの空間整列および時間同期偏光画像を取得できるようになりました。 本研究では,偏光画像中の画素の露光時間と光の偏光度と偏光角度の関係について検討した。 偏光画像を用いてHDR画像を復元するディープスナップショットHDR再構築フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-05-12T17:35:10Z)
• Deep Snapshot HDR Imaging Using Multi-Exposure Color Filter Array [14.5106375775521]
  本稿では,有効損失と入力データの正規化を同時に実現する輝度正規化の考え方を紹介する。 2つの公開HDR画像データセットを用いた実験結果から,我々のフレームワークが他のスナップショット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） (2020-11-20T06:31:37Z)
• 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)
• Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
  本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。 我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。 提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-04-02T17:59:04Z)

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。