論文の概要: LenslessPiCam: A Hardware and Software Platform for Lensless
Computational Imaging with a Raspberry Pi
- arxiv url: http://arxiv.org/abs/2206.01430v1
- Date: Fri, 3 Jun 2022 07:39:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-07 00:11:41.106949
- Title: LenslessPiCam: A Hardware and Software Platform for Lensless
Computational Imaging with a Raspberry Pi
- Title（参考訳）: LenslessPiCam:Raspberry Piによるレンズレス計算イメージングのためのハードウェアとソフトウェアプラットフォーム
- Authors: Eric Bezzam, Sepand Kashani, Martin Vetterli, Matthieu Simeoni
- Abstract要約: LenslessPiCamは、研究者、ホビイスト、学生がレンズレス画像の実装と探索を可能にするフレームワークを提供する。
我々は、LenslessPiCamを教育資源として使用できるように詳細なガイドと演習を提供し、大学院レベルの信号処理コースの結果を示す。
- 参考スコア（独自算出の注目度）: 14.690546891460235
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lensless imaging seeks to replace/remove the lens in a conventional imaging
system. The earliest cameras were in fact lensless, relying on long exposure
times to form images on the other end of a small aperture in a darkened
room/container (camera obscura). The introduction of a lens allowed for more
light throughput and therefore shorter exposure times, while retaining sharp
focus. The incorporation of digital sensors readily enabled the use of
computational imaging techniques to post-process and enhance raw images (e.g.
via deblurring, inpainting, denoising, sharpening). Recently, imaging
scientists have started leveraging computational imaging as an integral part of
lensless imaging systems, allowing them to form viewable images from the highly
multiplexed raw measurements of lensless cameras (see [5] and references
therein for a comprehensive treatment of lensless imaging). This represents a
real paradigm shift in camera system design as there is more flexibility to
cater the hardware to the application at hand (e.g. lightweight or flat
designs). This increased flexibility comes however at the price of a more
demanding post-processing of the raw digital recordings and a tighter
integration of sensing and computation, often difficult to achieve in practice
due to inefficient interactions between the various communities of scientists
involved. With LenslessPiCam, we provide an easily accessible hardware and
software framework to enable researchers, hobbyists, and students to implement
and explore practical and computational aspects of lensless imaging. We also
provide detailed guides and exercises so that LenslessPiCam can be used as an
educational resource, and point to results from our graduate-level signal
processing course.
- Abstract（参考訳）: レンズレスイメージングは、従来の撮像システムでレンズを取り替えたり取り外したりしようとする。
初期のカメラはレンズレスで、暗い部屋/コンテナ(カメラ・オブスキュラ)の小さな開口部の反対側に画像を形成するために長時間露光時間に依存していた。
レンズの導入は、シャープな焦点を保ちながら、より多くの光スループットとより短い露光時間を可能にした。
デジタルセンサーの組み込みにより、計算画像技術を使用して、原画像の加工と拡張が容易になった(デブラリング、インパインティング、デノライゼーション、シャープニングなど)。
近年、画像科学者は、レンズレスイメージングシステムにおいて、計算イメージングを不可欠な部分として活用し始めており、レンズレスカメラの高多重化生画像から可視画像を作成することができるようになっている([5]と参照)。
これはカメラシステム設計における真のパラダイムシフトであり、手元にあるアプリケーション(例えば軽量またはフラットデザイン)にハードウェアを組み込む柔軟性が増している。
しかし、この柔軟性の増大は、生のデジタル記録のより要求された後処理と、センサーと計算のより緊密な統合によって生じる。
LenslessPiCamでは、研究者、ホビイスト、学生がレンズレスイメージングの実践的および計算的側面を実装、探索できるように、容易にアクセス可能なハードウェアおよびソフトウェアフレームワークを提供する。
また、LenslessPiCamを教育資源として使用できるように詳細なガイドや演習も提供し、大学院レベルの信号処理コースの結果を示す。
関連論文リスト
- Let There Be Light: Robust Lensless Imaging Under External Illumination With Deep Learning [7.368155086339779]
レンズレスカメラは、アナログ光学からデジタル後処理へ画像形成をシフトすることで、従来のカメラの設計制約を緩和する。
新しいカメラの設計や応用が可能である一方で、レンズレスイメージングは望ましくない干渉(他の情報源、ノイズなど)に非常に敏感である。
論文 参考訳（メタデータ） (2024-09-25T09:24:53Z) - Hand Gestures Recognition in Videos Taken with Lensless Camera [4.49422973940462]
この研究はRaw3dNetというディープラーニングモデルを提案し、レンズレスカメラで撮影した生のビデオから直接手の動きを認識する。
計算資源の保存に加えて、復元不要な手法はプライバシ保護を提供する。
論文 参考訳（メタデータ） (2022-10-15T08:52:49Z) - High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。
提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。
実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-29T13:31:28Z) - Learning rich optical embeddings for privacy-preserving lensless image
classification [17.169529483306103]
我々は、光学系をエンコーダとしてキャストするユニークな多重化特性を利用して、カメラセンサーに直接学習した埋め込みを生成する。
画像分類の文脈では、エンコーダのパラメータと画像分類器のパラメータをエンドツーエンドで共同で最適化する。
我々の実験は、レンズレス光エンコーダとデジタル処理を共同で学習することで、センサーに低解像度の埋め込みが可能であることを示し、その結果、これらの測定から有意義な画像の復元がはるかに困難であることから、プライバシーが向上することを示している。
論文 参考訳（メタデータ） (2022-06-03T07:38:09Z) - Learning Spatially Varying Pixel Exposures for Motion Deblurring [49.07867902677453]
本研究では,空間的に異なる画素の露光を利用して動きを損なう新しい手法を提案する。
我々の研究は、未来のコンピュータイメージングにおいて、焦点面センサー-プロセッサが果たすべき役割を説明している。
論文 参考訳（メタデータ） (2022-04-14T23:41:49Z) - Ray Tracing-Guided Design of Plenoptic Cameras [1.1421942894219896]
レンズカメラの設計には、2つの異なる光学系の組み合わせが必要である。
そこで本稿では,制約の組によって残される開口,センサ,マイクロレンズの配列パラメータを計算する手法を提案する。
我々のレイトレーシングに基づくアプローチは、一般的に用いられるパラ軸近似で生成されたペンダントよりも優れた結果をもたらすことが示されている。
論文 参考訳（メタデータ） (2022-03-09T11:57:00Z) - Deep Camera Obscura: An Image Restoration Pipeline for Lensless Pinhole
Photography [18.19703711805033]
ピンホールカメラ(ピンホールカメラ)は、レンズの代わりにピンホールサイズの開口部だけを使用する、最も早くてシンプルな画像システムである。
本稿では, ピンホールシステムの深層学習とドメイン知識を用いた画像復元パイプラインを探索し, ジョイント denoise と deblur によるピンホール画像の品質向上を図る。
当社のアプローチでは、手持ち撮影においてより実用的な露光時間を実現し、画質の向上を実現しているため、他のレンズレスカメラと比較して、画質とコストを低く保ちながら、日々の撮影に適している。
論文 参考訳（メタデータ） (2021-08-12T07:03:00Z) - Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文 参考訳（メタデータ） (2021-04-07T12:00:38Z) - Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。
本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。
また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
論文 参考訳（メタデータ） (2021-02-02T16:10:15Z) - Dynamic Low-light Imaging with Quanta Image Sensors [79.28256402267034]
本稿では,Quanta Image Sensors (QIS) を用いた新しい画像再構成アルゴリズムを提案する。
動的シーンは,光子レベルが1ピクセル当たり1光子である場合,フレームのバーストから再構成可能であることを示す。
論文 参考訳（メタデータ） (2020-07-16T20:29:52Z) - Rendering Natural Camera Bokeh Effect with Deep Learning [95.86933125733673]
ボケ(Bokeh)は、写真に焦点をあてる重要な芸術効果である。
モバイルカメラは、光学の直径が非常に小さいため、被写界深度が浅い写真を作ることができない。
本稿では,デジタル一眼レフカメラで撮影された写真から直接,現実的な浅層焦点技術を学ぶことを提案する。
論文 参考訳（メタデータ） (2020-06-10T07:28:06Z)
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。