論文の概要: Annular Computational Imaging: Capture Clear Panoramic Images through
Simple Lens
- arxiv url: http://arxiv.org/abs/2206.06070v1
- Date: Mon, 13 Jun 2022 11:57:57 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-14 17:51:26.056233
- Title: Annular Computational Imaging: Capture Clear Panoramic Images through
Simple Lens
- Title（参考訳）: Annular Computational Imaging:単純なレンズによるパノラマ画像の鮮明化
- Authors: Qi Jiang, Hao Shi, Lei Sun, Shaohua Gao, Kailun Yang, Kaiwei Wang
- Abstract要約: パノラマ Annular Lens (PAL) は、モバイルおよびウェアラブル機器のパノラマ周囲検知タスクにおいて大きな可能性を秘めている。
小容量PALの画質は収差補正用レンズの欠如により光学限界に制限される。
軽量PAL設計の光学的限界を破るAnnular Computational Imagingフレームワークを提案する。
- 参考スコア（独自算出の注目度）: 11.255938737465952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Panoramic Annular Lens (PAL), composed of few lenses, has great potential in
panoramic surrounding sensing tasks for mobile and wearable devices because of
its tiny size and large Field of View (FoV). However, the image quality of
tiny-volume PAL confines to optical limit due to the lack of lenses for
aberration correction. In this paper, we propose an Annular Computational
Imaging (ACI) framework to break the optical limit of light-weight PAL design.
To facilitate learning-based image restoration, we introduce a wave-based
simulation pipeline for panoramic imaging and tackle the synthetic-to-real gap
through multiple data distributions. The proposed pipeline can be easily
adapted to any PAL with design parameters and is suitable for loose-tolerance
designs. Furthermore, we design the Physics Informed Image Restoration Network
(PI2RNet), considering the physical priors of panoramic imaging and
physics-informed learning. At the dataset level, we create the DIVPano dataset
and the extensive experiments on it illustrate that our proposed network sets
the new state of the art in the panoramic image restoration under
spatially-variant degradation. In addition, the evaluation of the proposed ACI
on a simple PAL with only 3 spherical lenses reveals the delicate balance
between high-quality panoramic imaging and compact design. To the best of our
knowledge, we are the first to explore Computational Imaging (CI) in PAL. Code
and datasets will be made publicly available at
https://github.com/zju-jiangqi/ACI-PI2RNet.
- Abstract（参考訳）: panoramic annular lens (pal) はレンズ数が少ないが、小型で視野が大きいため、モバイルやウェアラブル端末のセンシングタスクをパノラマで囲む大きな可能性を秘めている。
しかし,小容量PALの画質は収差補正用レンズの欠如により光学限界に制限される。
本稿では,軽量PAL設計の光学的限界を破るAnnular Computational Imaging (ACI)フレームワークを提案する。
学習に基づく画像復元を容易にするため,パノラマ画像のための波動シミュレーションパイプラインを導入し,複数のデータ分布を通して合成と現実のギャップに対処する。
提案したパイプラインは設計パラメータを持つ任意のPALに容易に適応でき、耐ゆるい設計に適している。
さらに,パノラマ画像と物理インフォームド学習の物理的先行性を考慮した物理インフォームド画像復元ネットワーク(PI2RNet)を設計する。
データセットレベルでは、DIVPanoデータセットを作成し、その上で広範囲な実験を行い、提案したネットワークが空間的に変化する劣化下でのパノラマ画像復元における技術の新しい状態を設定することを示す。
さらに,3球面レンズのみを用いた簡易PALによるACIの評価により,高画質パノラマ画像とコンパクトデザインとの微妙なバランスが明らかとなった。
私たちの知る限りでは、計算イメージング(CI)をPALで最初に探求した人物です。
コードとデータセットはhttps://github.com/zju-jiangqi/ACI-PI2RNetで公開されている。
関連論文リスト
- PBIR-NIE: Glossy Object Capture under Non-Distant Lighting [30.325872237020395]
グロッシーオブジェクトは自然光下での多視点入力画像から3次元再構成を行う上で重要な課題となる。
PBIR-NIEは, 物体の形状, 材料特性, 周囲の照明を均等に捉えるために設計された逆レンダリングフレームワークである。
論文 参考訳（メタデータ） (2024-08-13T13:26:24Z) - Thin On-Sensor Nanophotonic Array Cameras [36.981384762023794]
本稿では,コモディティカメラの代替として,エフフラット型ナノフォトニクス計算カメラを紹介する。
光アレイは、700nmの高さで平らで、センサーから2.5mmの距離のセンサーカバーガラスの上に埋め込まれている。
提案手法では, 生成拡散モデルを用いて, 暗黙の先行画像のサンプル化を行い, 平面画像からメガピクセル画像の再構成を行う。
論文 参考訳（メタデータ） (2023-08-05T06:04:07Z) - Minimalist and High-Quality Panoramic Imaging with PSF-aware Transformers [17.703369689643882]
360degの視野(FoV)を持つ高画質パノラマ画像は、現代のパノラマコンピュータビジョンタスクに不可欠である。
従来のイメージングシステムは、高度なレンズデザインと重い光学部品を備えている。
パノラマイメージングエンジン(PCIE)を提案する。
論文 参考訳（メタデータ） (2023-06-22T15:47:58Z) - MS-PS: A Multi-Scale Network for Photometric Stereo With a New
Comprehensive Training Dataset [0.0]
光度ステレオ(PS)問題は、物体の3次元表面を再構成することである。
そこで我々は,PSのマルチスケールアーキテクチャを提案する。
論文 参考訳（メタデータ） (2022-11-25T14:01:54Z) - Progressively-connected Light Field Network for Efficient View Synthesis [69.29043048775802]
本稿では、複雑な前方シーンのビュー合成のためのプログレッシブ・コネクテッド・ライトフィールド・ネットワーク(ProLiF)を提案する。
ProLiFは4Dライトフィールドをエンコードし、画像やパッチレベルの損失に対するトレーニングステップで大量の光線をレンダリングすることができる。
論文 参考訳（メタデータ） (2022-07-10T13:47:20Z) - Modeling Image Composition for Complex Scene Generation [77.10533862854706]
本稿では,レイアウト・ツー・イメージ生成タスクにおける最先端結果を実現する手法を提案する。
本稿では,RGB画像をパッチトークンに圧縮した後,オブジェクト・トゥ・オブジェクト,オブジェクト・トゥ・パッチ,パッチ・トゥ・パッチの依存関係を探索するTransformer with Focal Attention (TwFA)を提案する。
論文 参考訳（メタデータ） (2022-06-02T08:34:25Z) - Learning optical flow from still images [53.295332513139925]
我々は,容易に利用可能な単一の実画像から,高精度な光学的フローアノテーションを迅速かつ多量に生成するフレームワークを提案する。
既知の動きベクトルと回転角を持つ再構成された環境でカメラを仮想的に移動させる。
我々のデータでトレーニングすると、最先端の光フローネットワークは、実データを見るのに優れた一般化を実現する。
論文 参考訳（メタデータ） (2021-04-08T17:59:58Z) - 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) - Light Field Reconstruction Using Convolutional Network on EPI and
Extended Applications [78.63280020581662]
スパースビューからの光場再構成のための新しい畳み込みニューラルネットワーク(CNN)ベースのフレームワークを開発した。
最先端のアルゴリズムと比較して,提案フレームワークの高性能と堅牢性を実証する。
論文 参考訳（メタデータ） (2021-03-24T08:16:32Z) - Optical Flow Estimation from a Single Motion-blurred Image [66.2061278123057]
画像内の動きのぼかしは、基本的なコンピュータビジョンの問題に実用的な関心を持つ可能性があります。
本研究では,単一動画像からの光流れをエンドツーエンドで推定する新しい枠組みを提案する。
論文 参考訳（メタデータ） (2021-03-04T12:45:18Z)
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。