論文の概要: Polarized Color Image Denoising using Pocoformer
- arxiv url: http://arxiv.org/abs/2207.00215v1
- Date: Fri, 1 Jul 2022 05:52:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-04 14:13:33.806474
- Title: Polarized Color Image Denoising using Pocoformer
- Title（参考訳）: pocoformerを用いた偏光カラー画像デノイジング
- Authors: Zhuoxiao Li, Haiyang Jiang, Yinqiang Zheng
- Abstract要約: 偏光カラー写真は、視覚的なテクスチャと1枚のスナップショットで対象のサージカル情報の両方を提供する。
指向性偏光フィルタアレイを用いることで、従来のカラー画像に比べて光子数とSNRが極めて低い。
クリーンな信号と正確な分極情報を同時に復元する学習に基づく手法を提案する。
- 参考スコア（独自算出の注目度）: 42.171036556122644
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Polarized color photography provides both visual textures and object
surficial information in one single snapshot. However, the use of the
directional polarizing filter array causes extremely lower photon count and SNR
compared to conventional color imaging. Thus, the feature essentially leads to
unpleasant noisy images and destroys polarization analysis performance. It is a
challenge for traditional image processing pipelines owing to the fact that the
physical constraints exerted implicitly in the channels are excessively
complicated. To address this issue, we propose a learning-based approach to
simultaneously restore clean signals and precise polarization information. A
real-world polarized color image dataset of paired raw short-exposed noisy and
long-exposed reference images are captured to support the learning-based
pipeline. Moreover, we embrace the development of vision Transformer and
propose a hybrid transformer model for the Polarized Color image denoising,
namely PoCoformer, for a better restoration performance. Abundant experiments
demonstrate the effectiveness of proposed method and key factors that affect
results are analyzed.
- Abstract（参考訳）: 偏光カラー写真は、視覚的なテクスチャと、単一のスナップショットで対象のサージカル情報の両方を提供する。
しかし、指向性偏光フィルタアレイを用いることで、従来のカラー画像に比べて光子数とSNRが極めて低い。
したがって、この機能は基本的に不快なノイズ画像をもたらし、偏光解析性能を破壊する。
チャネル内で暗黙的に実行される物理的制約が過度に複雑であるという事実から、従来の画像処理パイプラインにとっての課題である。
そこで本研究では,クリーンな信号と正確な分極情報を同時に復元する学習に基づく手法を提案する。
学習ベースパイプラインをサポートするために、ペア化された生短露光ノイズと長露光参照画像の実世界偏光カラー画像データセットをキャプチャする。
さらに,視覚トランスフォーマの開発を取り入れ,ポーコフォーマと呼ばれる偏光カラー画像の分極化のためのハイブリッドトランスフォーマモデルを提案する。
提案手法の有効性を実証し, 結果に影響を及ぼす要因について検討した。
関連論文リスト
- A Nerf-Based Color Consistency Method for Remote Sensing Images [0.5735035463793009]
暗黙の表現を用いて画像特徴を一緒に織り込み、次に特徴空間を再照らし、新しい視点で融合画像を生成する、多視点画像のためのNeRFに基づく色整合法を提案する。
実験結果から,本手法により生成した合成画像は,エッジにおける視覚効果とスムーズな色遷移に優れることがわかった。
論文 参考訳（メタデータ） (2024-11-08T13:26:07Z) - Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。
RAWMambaと呼ばれる新しいMambaスキャニング機構を提案する。
また,Retinex の先行したRetinex Decomposition Module (RDM) も提案する。
論文 参考訳（メタデータ） (2024-09-11T06:12:03Z) - Video Frame Interpolation for Polarization via Swin-Transformer [9.10220649654041]
ビデオフレーム補間 (VFI) は広く研究され、実証されてきたが、偏光への応用は未解明のままである。
本研究では,Swin-Transformerに基づくマルチステージ・マルチスケールネットワークSwin-VFIを提案する。
実験の結果,全てのタスクにおいて,提案手法の再現精度が優れていることが示された。
論文 参考訳（メタデータ） (2024-06-17T09:48:54Z) - NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。
本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
論文 参考訳（メタデータ） (2023-11-22T06:28:30Z) - ITRE: Low-light Image Enhancement Based on Illumination Transmission
Ratio Estimation [10.26197196078661]
ノイズ、アーティファクト、過剰露光は、低照度画像強調の分野において重要な課題である。
モデルの起源からノイズやアーティファクトを抑圧するRetinexベースの新しい手法ITREを提案する。
広汎な実験により, 騒音抑制, アーティファクト防止, 露光量の同時制御におけるアプローチの有効性が示された。
論文 参考訳（メタデータ） (2023-10-08T13:22:20Z) - 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) - Deep Demosaicing for Polarimetric Filter Array Cameras [7.39819574829298]
そこで本研究では,カメラ画像を直接画素ごとのStokesベクトルに復調するCNNモデルを提案する。
実世界の学習データを効果的に取得するための,コンシューマLCD画面を用いた新しい手法を提案する。
論文 参考訳（メタデータ） (2022-11-24T17:41:50Z) - Two-Step Color-Polarization Demosaicking Network [14.5106375775521]
TCPDNetは2段階のカラー偏光復光ネットワークである。
TCPDNetは、偏光画像の画質とストークスパラメータの精度で既存の手法より優れている。
論文 参考訳（メタデータ） (2022-09-13T14:28:18Z) - Low-Light Image Enhancement with Normalizing Flow [92.52290821418778]
本稿では,この一対多の関係を正規化フローモデルを用いてモデル化する。
低照度画像/特徴を条件として取り、通常露光される画像の分布をガウス分布にマッピングすることを学ぶ可逆ネットワーク。
既存のベンチマークデータセットによる実験結果から,提案手法はより定量的,質的な結果を得ることができ,照度が良く,ノイズやアーティファクトが小さく,色も豊かになることがわかった。
論文 参考訳（メタデータ） (2021-09-13T12:45:08Z) - Learning Spatial and Spatio-Temporal Pixel Aggregations for Image and
Video Denoising [104.59305271099967]
ピクセル集計ネットワークを提示し、画像デノイジングのためのピクセルサンプリングと平均戦略を学びます。
時間空間にまたがるサンプル画素をビデオデノナイズするための画素集約ネットワークを開発した。
本手法は,動的シーンにおける大きな動きに起因する誤認問題を解決することができる。
論文 参考訳（メタデータ） (2021-01-26T13:00:46Z)
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。