論文の概要: Shallow camera pipeline for night photography rendering

• arxiv url: http://arxiv.org/abs/2204.08972v1
• Date: Tue, 19 Apr 2022 16:18:21 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-20 14:48:33.967644
• Title: Shallow camera pipeline for night photography rendering
• Title（参考訳）: 夜景レンダリングのための浅いカメラパイプライン
• Authors: Simone Zini, Claudio Rota, Marco Buzzelli, Simone Bianco and Raimondo Schettini
• Abstract要約: 我々は,NTIRE2022 Night Photography Renderingチャレンジの一環として,低照度撮影のためのカメラパイプラインを導入する。 我々のパイプラインは、局所的な光強調器を高ダイナミックレンジ補正の形式として利用し、続いて画像ヒストグラムを大域的に調整して、洗い出された結果を防ぐ。 このソリューションは、ディープ畳み込みニューラルネットワークに基づいて、他のエントリに匹敵する選好投票数で、競争で5位に達した。
• 参考スコア（独自算出の注目度）: 20.683831741296444
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We introduce a camera pipeline for rendering visually pleasing photographs in low light conditions, as part of the NTIRE2022 Night Photography Rendering challenge. Given the nature of the task, where the objective is verbally defined by an expert photographer instead of relying on explicit ground truth images, we design an handcrafted solution, characterized by a shallow structure and by a low parameter count. Our pipeline exploits a local light enhancer as a form of high dynamic range correction, followed by a global adjustment of the image histogram to prevent washed-out results. We proportionally apply image denoising to darker regions, where it is more easily perceived, without losing details on brighter regions. The solution reached the fifth place in the competition, with a preference vote count comparable to those of other entries, based on deep convolutional neural networks. Code is available at www.github.com/AvailableAfterAcceptance.
• Abstract（参考訳）: NTIRE2022 Night Photography Rendering チャレンジの一環として,低照度で映像を視覚的に楽しむためのカメラパイプラインを導入する。 この課題の性質から、目的が明示的な地上の真理画像に頼るのではなく、専門家写真家によって言葉で定義されることを考慮し、浅い構造と低いパラメータ数で特徴付けられる手作りのソリューションを設計する。 本研究では,局所光エンハンサーを高ダイナミックレンジ補正の一形態として活用し,画像ヒストグラムのグローバル調整を行い,洗浄結果の防止を図る。 我々は、より明るい領域の詳細を失うことなく、より容易に知覚される暗い領域に、画像の分別を比例的に適用する。 このソリューションは、深層畳み込みニューラルネットワークに基づいた他のエントリに匹敵する選好投票数で、コンペティションの5位に到達した。 コードはwww.github.com/AvailableAfterAcceptanceで入手できる。

関連論文リスト

• Camera Relocalization in Shadow-free Neural Radiance Fields [16.359064848532483]
  カメラのリローカライゼーションはコンピュータビジョンとロボティクスにおいて重要な問題である。 ニューラルレイディアンスフィールド(NeRF)の最近の進歩は、フォトリアリスティック画像において有望であることを示している。 照明条件や影条件の異なる画像を正規化してカメラ再配置を改善する2段パイプラインを提案する。
  論文  参考訳（メタデータ） (2024-05-23T17:41:15Z)
• LDM-ISP: Enhancing Neural ISP for Low Light with Latent Diffusion Models [54.93010869546011]
  本稿では,事前学習した潜伏拡散モデルを用いて,超低照度画像の高精細化のためのニューラルISPを実現することを提案する。 具体的には、RAWドメイン上で動作するために事前訓練された潜在拡散モデルを調整するために、軽量なテーミングモジュールのセットをトレーニングする。 遅延拡散モデルにおけるUNet復調と復号化の異なる役割を観察し、低照度画像強調タスクを遅延空間低周波コンテンツ生成と復号位相高周波ディテール保守に分解するきっかけとなる。
  論文  参考訳（メタデータ） (2023-12-02T04:31:51Z)
• Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming [0.728258471592763]
  自然色を維持しながら低照度画像を強調することは、カメラ処理のバリエーションによって難しい問題である。 そこで我々はDimmaを提案する。Dimmaは、画像対の小さなセットを利用して、任意のカメラと整合する半教師付きアプローチである。 そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入することで実現した。
  論文  参考訳（メタデータ） (2023-10-14T17:59:46Z)
• Enhancing Low-Light Images Using Infrared-Encoded Images [81.8710581927427]
  従来の芸術は、主にピクセルワイド・ロスを用いて可視光スペクトルで捉えた低照度画像に焦点を当てていた。 我々は,赤外線カットオフフィルタを除去することにより,低照度環境下で撮影された画像の可視性を高める新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T08:29:19Z)
• Single Image LDR to HDR Conversion using Conditional Diffusion [18.466814193413487]
  デジタル画像は現実的なシーンを再現することを目的としているが、Low Dynamic Range(LDR)カメラは現実のシーンの広いダイナミックレンジを表現できない。 本稿では,影やハイライトから複雑な詳細を復元するための深層学習に基づくアプローチを提案する。 提案フレームワークにディープベースオートエンコーダを組み込んで,コンディショニングに使用するLDR画像の潜在表現の質を高める。
  論文  参考訳（メタデータ） (2023-07-06T07:19:47Z)
• Seeing Through The Noisy Dark: Toward Real-world Low-Light Image Enhancement and Denoising [125.56062454927755]
  現実の低照度環境は通常、光やハードウェアの限界が不足しているため、視界が低く、騒音が重い。 我々は、RLED-Net(Real-world Low-light Enhancement & Denoising Network)と呼ばれる新しいエンドツーエンド手法を提案する。
  論文  参考訳（メタデータ） (2022-10-02T14:57:23Z)
• 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)
• Low-light Image Enhancement via Breaking Down the Darkness [8.707025631892202]
  本稿では,分割・ルール原理に触発された新しい枠組みを提案する。 本稿では,RGB空間から輝度クロミナンス画像に変換することを提案する。 調整可能なノイズ抑制ネットワークは、輝度が明るくなるときにノイズを取り除くように設計されている。 強化された輝度はさらに、色マッパーが現実的な色を生成するためのガイダンスとなる。
  論文  参考訳（メタデータ） (2021-11-30T16:50:59Z)
• Deep Denoising of Flash and No-Flash Pairs for Photography in Low-Light Environments [51.74566709730618]
  低照度環境下でのフラッシュの有無にかかわらず、高速連続で撮影された画像のペアをデノイズするニューラルネットワークベースの方法を紹介します。 私たちの目標は、ノイズの多いノーフラッシュ画像の周囲照明から色と気分を維持するシーンの高品質のレンダリングを作成することです。
  論文  参考訳（メタデータ） (2020-12-09T15:41:16Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• Burst Denoising of Dark Images [19.85860245798819]
  超暗い生画像からクリーンでカラフルなRGB画像を得るためのディープラーニングフレームワークを提案する。 我々のフレームワークのバックボーンは、プログレッシブな方法で高品質な出力を生成する新しい粗いネットワークアーキテクチャである。 実験により,提案手法は最先端の手法よりも知覚的により満足な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-03-17T17:17:36Z)

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。