論文の概要: Highlight Specular Reflection Separation based on Tensor Low-rank and
Sparse Decomposition Using Polarimetric Cues
- arxiv url: http://arxiv.org/abs/2207.03543v1
- Date: Thu, 7 Jul 2022 19:28:46 GMT
- ステータス: 処理完了
- システム内更新日: 2022-07-11 14:31:00.719837
- Title: Highlight Specular Reflection Separation based on Tensor Low-rank and
Sparse Decomposition Using Polarimetric Cues
- Title(参考訳): 偏光手がかりを用いたテンソル低ランク・スパース分解に基づくハイライト鏡面反射分離
- Authors: Moein Shakeri, Hong Zhang
- Abstract要約: 手法は、画像の特異なハイライトがわずかに分散されているという観察によって動機づけられる。
我々は、カラーチャネルの制約として、新しい偏光正規化項を定義し、強制する。
提案手法は, スペックル除去の精度を大幅に向上させることができることを示す。
- 参考スコア(独自算出の注目度): 7.109720146155956
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper is concerned with specular reflection removal based on tensor
low-rank decomposition framework with the help of polarization information. Our
method is motivated by the observation that the specular highlight of an image
is sparsely distributed while the remaining diffuse reflection can be well
approximated by a linear combination of several distinct colors using a
low-rank and sparse decomposition framework. Unlike current solutions, our
tensor low-rank decomposition keeps the spatial structure of specular and
diffuse information which enables us to recover the diffuse image under strong
specular reflection or in saturated regions. We further define and impose a new
polarization regularization term as constraint on color channels. This
regularization boosts the performance of the method to recover an accurate
diffuse image by handling the color distortion, a common problem of
chromaticity-based methods, especially in case of strong specular reflection.
Through comprehensive experiments on both synthetic and real polarization
images, we demonstrate that our method is able to significantly improve the
accuracy of highlight specular removal, and outperform the competitive methods
to recover the diffuse image, especially in regions of strong specular
reflection or in saturated areas.
- Abstract(参考訳): 本稿では,偏光情報を用いて,テンソル低ランク分解フレームワークに基づく鏡面反射除去について述べる。
本手法は,画像のスペクトルハイライトが疎分布であるのに対して,残りの拡散反射は低ランク・スパース分解フレームワークを用いて複数の異なる色を線形に組み合わせることでよく近似できることを示す。
現在のソリューションとは異なり、テンソルの低ランク分解は、スペクトルと拡散情報の空間構造を保持し、強い反射や飽和領域における拡散像の復元を可能にする。
さらに、カラーチャネルの制約として、新しい偏光正規化項を定義し、課す。
この正則化は、特に強い鏡面反射の場合において、彩度に基づく方法の一般的な問題である色歪を扱うことにより、正確な拡散像を再現する手法の性能を高める。
本手法は, 合成画像と実像画像の両方を包括的に実験することにより, ハイライト除去の精度を大幅に向上し, 拡散画像, 特に, 強い鏡面反射領域や飽和領域において, 性能を向上できることを示す。
関連論文リスト
- Photometric Inverse Rendering: Shading Cues Modeling and Surface Reflectance Regularization [46.146783750386994]
本稿では,ニューラル・リバース・レンダリングの新しい手法を提案する。
画像の自己陰影を考慮した光源位置の最適化を行う。
表面反射率の分解性を高めるために,新しい正則化を導入する。
論文 参考訳(メタデータ) (2024-08-13T11:39:14Z) - SS-SfP:Neural Inverse Rendering for Self Supervised Shape from (Mixed) Polarization [21.377923666134116]
偏光の形状 (SfP) は偏光の形状 (SfP) として知られる問題である。
単視点偏光画像から物体やシーンの3次元形状(画素表面の正規度と深さ)を推定する逆レンダリングに基づく新しいフレームワークを提案する。
論文 参考訳(メタデータ) (2024-07-12T14:29:00Z) - LightenDiffusion: Unsupervised Low-Light Image Enhancement with Latent-Retinex Diffusion Models [39.28266945709169]
物理的に説明可能なRetinex理論を低照度画像強調のための拡散モデルに組み込んだ拡散に基づく教師なしフレームワークを提案する。
公開されている実世界のベンチマークの実験では、提案されたLightenDiffusionは最先端の非監督的な競合より優れていることが示されている。
論文 参考訳(メタデータ) (2024-07-12T02:54:43Z) - Global Structure-Aware Diffusion Process for Low-Light Image Enhancement [64.69154776202694]
本稿では,低照度画像強調問題に対処する拡散型フレームワークについて検討する。
我々は、その固有のODE-軌道の正規化を提唱する。
実験により,提案手法は低照度化において優れた性能を発揮することが示された。
論文 参考訳(メタデータ) (2023-10-26T17:01:52Z) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳(メタデータ) (2023-09-02T09:07:36Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳(メタデータ) (2023-04-24T21:39:13Z) - Invariant Descriptors for Intrinsic Reflectance Optimization [15.638996731038231]
固有の画像分解は、画像をアルベド(反射)とシェーディング(照明)サブコンポーネントに分解することを目的としている。
不適切で制約の少ないコンピュータビジョン問題である。
我々のアプローチは物理学に基づく、学習のないもので、より正確で堅牢な反射率分解をもたらす。
論文 参考訳(メタデータ) (2022-04-08T13:52:13Z) - 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) - Polarization Guided Specular Reflection Separation [8.280173807482901]
偏光誘導モデルを用いて、偏光情報を設計した最適化分離戦略に組み込む。
提案手法は,特に難解なシナリオにおいて,鏡像反射を忠実に分離できることを示す。
論文 参考訳(メタデータ) (2021-03-22T08:22:28Z) - Polarized Reflection Removal with Perfect Alignment in the Wild [66.48211204364142]
野生の偏光画像からの反射を除去するための新しい定式化法を提案する。
まず、既存のリフレクション除去データセットの不整合問題を同定する。
我々は100種類以上のガラスを用いた新しいデータセットを構築し、得られた透過画像は入力された混合画像と完全に一致している。
論文 参考訳(メタデータ) (2020-03-28T13:29:31Z)
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。