Fugu-MT 論文翻訳(概要): Array Camera Image Fusion using Physics-Aware Transformers

論文の概要: Array Camera Image Fusion using Physics-Aware Transformers

arxiv url: http://arxiv.org/abs/2207.02250v1
Date: Tue, 5 Jul 2022 18:24:20 GMT
ステータス: 処理完了
システム内更新日: 2022-07-08 07:36:43.364921
Title: Array Camera Image Fusion using Physics-Aware Transformers
Title（参考訳）: 物理対応変換器を用いたアレイカメラ画像融合
Authors: Qian Huang, Minghao Hu and David Jones Brady
Abstract要約: 本研究では,多彩な解像度,色空間,焦点面,焦点距離,露出を有するカメラからの特徴量に基づくデータ融合のための物理認識型トランスフォーマーを実証する。また、オープンソースのコンピュータグラフィックスソフトウェアを用いて、トランスフォーマーのためのデータ生成のためのスケーラブルな学習ソリューションを実証する。
参考スコア（独自算出の注目度）: 10.698169840389156
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We demonstrate a physics-aware transformer for feature-based data fusion from cameras with diverse resolution, color spaces, focal planes, focal lengths, and exposure. We also demonstrate a scalable solution for synthetic training data generation for the transformer using open-source computer graphics software. We demonstrate image synthesis on arrays with diverse spectral responses, instantaneous field of view and frame rate.
Abstract（参考訳）: 我々は,様々な解像度,色空間,焦点平面,焦点距離,露光を有するカメラから特徴量に基づくデータ融合を行う物理認識トランスフォーマーを実演する。また,オープンソースコンピュータグラフィックスソフトウェアを用いたトランスフォーマの合成学習データ生成のためのスケーラブルなソリューションを示す。本研究では,様々なスペクトル応答,瞬時視野,フレームレートを有するアレイ上に画像合成を行う。

関連論文リスト

IRISformer: Dense Vision Transformers for Single-Image Inverse Rendering in Indoor Scenes [99.76677232870192]
我々は、高密度な視覚変換器であるIRISformerが、逆レンダリングに必要なシングルタスクとマルチタスクの推論の両方で優れていることを示す。具体的には,屋内シーンの単一画像から深度,正規度,空間変化アルベド,粗さ,照明を同時に推定するトランスフォーマーアーキテクチャを提案する。ベンチマークデータセットを用いた評価では、上記の各タスクについて最先端の結果が示され、オブジェクト挿入や物質編集などの応用を、制約のない1つの実画像で実現する。
論文参考訳（メタデータ） (2022-06-16T19:50:55Z)
DiFT: Differentiable Differential Feature Transform for Multi-View Stereo [16.47413993267985]
我々は、回転運動で密にキャプチャされた画像のスタックから、各ビューで空間的に識別され、図形ごとに不変な画像へと、微分キューを変換することを学ぶ。これらの低レベル機能は、既存のマルチビューステレオ技術に直接供給し、拡張された3D再構成を行うことができる。
論文参考訳（メタデータ） (2022-03-16T07:12:46Z)
Towards End-to-End Image Compression and Analysis with Transformers [99.50111380056043]
本稿では,クラウドベースの画像分類アプリケーションを対象として,トランスフォーマーを用いたエンドツーエンドの画像圧縮解析モデルを提案する。我々は、圧縮された特徴から画像分類を行うためにビジョントランスフォーマー(ViT)モデルを再設計し、トランスフォーマーからの長期情報を用いて画像圧縮を容易にすることを目指している。画像圧縮と分類作業の両方において,提案モデルの有効性を示す実験結果が得られた。
論文参考訳（メタデータ） (2021-12-17T03:28:14Z)
PPT Fusion: Pyramid Patch Transformerfor a Case Study in Image Fusion [37.993611194758195]
画像から意味情報を抽出する問題に対処するため,Patch Pyramid Transformer(PPT)を提案する。実験により, 現状の核融合法に対して優れた性能を示した。
論文参考訳（メタデータ） (2021-07-29T13:57:45Z)
Multiscale Vision Transformers [79.76412415996892]
本稿では,マルチスケール特徴階層をトランスフォーマモデルに結びつけることで,映像・画像認識のためのマルチスケールビジョントランス (MViT) を提案する。我々は,視覚信号の密集性を様々な映像認識タスクでモデル化するために,この基本アーキテクチャの事前評価を行う。
論文参考訳（メタデータ） (2021-04-22T17:59:45Z)
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)
PhySG: Inverse Rendering with Spherical Gaussians for Physics-based Material Editing and Relighting [60.75436852495868]
本稿では、RGB入力画像からジオメトリ、マテリアル、イルミネーションをゼロから再構築する逆レンダリングパイプラインPhySGを紹介します。我々は合成データと実データの両方を用いて,新しい視点のレンダリングを可能にするだけでなく,物質や照明の物理ベースの外観編集を可能にすることを実証した。
論文参考訳（メタデータ） (2021-04-01T17:59:02Z)
Learning Efficient Photometric Feature Transform for Multi-view Stereo [37.26574529243778]
各ビューのperpixelフォトメトリック情報を,空間的特徴とビュー不変の低レベル特徴に変換することを学ぶ。本フレームワークは,様々な入力データで利用可能な幾何学情報を自動的に適用し,効率的な利用を行う。
論文参考訳（メタデータ） (2021-03-27T02:53:15Z)
Generative Modelling of BRDF Textures from Flash Images [50.660026124025265]
我々は、容易にキャプチャ、セマンティックな編集、一貫した、視覚素材の外観の効率よく再現できる潜在空間を学習する。 2番目のステップでは、材料コードに基づいて、私たちの方法は、BRDFモデルパラメータの無限で多様な空間フィールドを生成します。
論文参考訳（メタデータ） (2021-02-23T18:45:18Z)
Taming Transformers for High-Resolution Image Synthesis [16.86600007830682]
トランスフォーマーはシーケンシャルデータで長距離インタラクションを学ぶように設計されている。それらは局所的な相互作用を優先する誘導バイアスを含まない。これは表現力があるが、高解像度画像のような長いシーケンスでは計算不可能である。本稿では,CNNの誘導バイアスとトランスの表現力を組み合わせることで,高分解能画像のモデル化と合成が可能となることを示す。
論文参考訳（メタデータ） (2020-12-17T18:57:28Z)

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。