Fugu-MT 論文翻訳(概要): Variational Approach for Intensity Domain Multi-exposure Image Fusion

論文の概要: Variational Approach for Intensity Domain Multi-exposure Image Fusion

arxiv url: http://arxiv.org/abs/2207.04204v1
Date: Sat, 9 Jul 2022 06:31:34 GMT
ステータス: 処理完了
システム内更新日: 2022-07-13 11:36:00.011314
Title: Variational Approach for Intensity Domain Multi-exposure Image Fusion
Title（参考訳）: 強度領域多重露光画像融合の変分的アプローチ
Authors: Harbinder Singh, Dinesh Arora, Vinay Kumar
Abstract要約: 本稿では,従来の表示装置に直接表示可能な融合画像を生成する方法を提案する。その野望は、照度が悪く、明るく照らされた地域で詳細を保存することである。
参考スコア（独自算出の注目度）: 11.678822620192435
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent innovations shows that blending of details captured by single Low Dynamic Range (LDR) sensor overcomes the limitations of standard digital cameras to capture details from high dynamic range scene. We present a method to produce well-exposed fused image that can be displayed directly on conventional display devices. The ambition is to preserve details in poorly illuminated and brightly illuminated regions. Proposed approach does not require true radiance reconstruction and tone manipulation steps. The aforesaid objective is achieved by taking into account local information measure that select well-exposed regions across input exposures. In addition, Contrast Limited Adaptive Histogram equalization (CLAHE) is introduced to improve uniformity of input multi-exposure image prior to fusion.
Abstract（参考訳）: 最近の技術革新により、ldr(single low dynamic range)センサーが捉えたディテールのブレンドは、高ダイナミックレンジシーンからディテールを捉えるための標準デジタルカメラの限界を克服している。本稿では,従来の表示装置に直接表示可能な融合画像を生成する方法を提案する。その目標は、照度が悪く、明るく照らされた地域で詳細を保存することである。提案するアプローチは、真の放射率再構成とトーン操作ステップを必要としない。上記の目的は、入力露光中において、適切に露光された領域を選択するローカル情報尺度を考慮して達成される。さらに、コントラスト限定適応ヒストグラム等化(CLAHE)を導入し、融合前の入力マルチ露光画像の均一性を改善する。

関連論文リスト

Scene-Segmentation-Based Exposure Compensation for Tone Mapping of High Dynamic Range Scenes [8.179779837795754]
マルチ露光画像融合(MEF)に基づくトーンマッピングのためのシーン分割に基づく新しい露出補償法を提案する。提案手法は,入力されたHDR画像から異なる露光画像のスタックを生成し,それらを単一の画像に融合する。
論文参考訳（メタデータ） (2024-10-21T04:50:02Z)
LDM-ISP: Enhancing Neural ISP for Low Light with Latent Diffusion Models [54.93010869546011]
本稿では,事前学習した潜伏拡散モデルを用いて,超低照度画像の高精細化のためのニューラルISPを実現することを提案する。具体的には、RAWドメイン上で動作するために事前訓練された潜在拡散モデルを調整するために、軽量なテーミングモジュールのセットをトレーニングする。遅延拡散モデルにおけるUNet復調と復号化の異なる役割を観察し、低照度画像強調タスクを遅延空間低周波コンテンツ生成と復号位相高周波ディテール保守に分解するきっかけとなる。
論文参考訳（メタデータ） (2023-12-02T04:31:51Z)
Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming [0.728258471592763]
自然色を維持しながら低照度画像を強調することは、カメラ処理のバリエーションによって難しい問題である。そこで我々はDimmaを提案する。Dimmaは、画像対の小さなセットを利用して、任意のカメラと整合する半教師付きアプローチである。そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入することで実現した。
論文参考訳（メタデータ） (2023-10-14T17:59:46Z)
High Dynamic Range Imaging of Dynamic Scenes with Saturation Compensation but without Explicit Motion Compensation [20.911738532410766]
高ダイナミックレンジ(LDR)イメージングは、カメラセンサの限界により大量の情報が失われるため、非常に難しい課題である。 HDRイメージングでは、複数の低ダイナミックレンジ(LDR)画像を露出の変化で捉え、より多くの情報を収集する手法がある。既存の手法のほとんどはゴーストのアーチファクトを減らすために運動補償に重点を置いているが、それでも満足できない結果をもたらす。
論文参考訳（メタデータ） (2023-08-22T02:44:03Z)
Low-Light Image Enhancement with Illumination-Aware Gamma Correction and Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文参考訳（メタデータ） (2023-08-16T08:46:51Z)
Multi-Exposure HDR Composition by Gated Swin Transformer [8.619880437958525]
本稿では,Swin Transformerに基づく新しいマルチ露光融合モデルを提案する。露光空間ピラミッドにおける遠距離文脈依存性を自己認識機構により活用する。実験により,本モデルが現在のマルチ露光HDR画像モデルと同等の精度が得られることが示された。
論文参考訳（メタデータ） (2023-03-15T15:38:43Z)
Perceptual Multi-Exposure Fusion [0.5076419064097732]
本稿では,細かなシャドウ/ハイライトの詳細を確実にするが,詳細化法よりも複雑さが低い知覚的マルチ露光融合法を提案する。 167個の画像シーケンスを含む静的シーンに適した大規模マルチ露光ベンチマークデータセットを構築した。構築したデータセットの実験では,提案手法が既存の8つの最先端手法を視覚的およびMEF-SSIM値で上回ることを示した。
論文参考訳（メタデータ） (2022-10-18T05:34:58Z)
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)
CuDi: Curve Distillation for Efficient and Controllable Exposure Adjustment [86.97592472794724]
そこで我々は, 対や不対のデータを必要とせず, 効率よくかつ制御可能な露光調整のためのCuDi曲線蒸留法を提案する。提案手法は,ゼロ参照学習と曲線ベースのフレームワークを,実効的な低照度画像強調手法であるゼロDCEから継承する。提案手法は, 高速で頑健でフレキシブルな性能に優れ, 実シーンにおける最先端の手法よりも優れていることを示す。
論文参考訳（メタデータ） (2022-07-28T17:53:46Z)
Wild ToFu: Improving Range and Quality of Indirect Time-of-Flight Depth with RGB Fusion in Challenging Environments [56.306567220448684]
本稿では,ノイズの多い生のI-ToF信号とRGB画像を用いた学習に基づくエンド・ツー・エンドの深度予測ネットワークを提案する。最終深度マップでは,ベースラインアプローチと比較して40%以上のRMSE改善が見られた。
論文参考訳（メタデータ） (2021-12-07T15:04:14Z)
Attention-Guided Progressive Neural Texture Fusion for High Dynamic Range Image Restoration [48.02238732099032]
本研究では,Attention-guided Progressive Neural Texture Fusion (APNT-Fusion) HDR修復モデルを提案する。飽和領域におけるテクスチャ特性の伝達とマルチ露光トナーとテクスチャ特徴の融合に着目した,効率的な2ストリーム構造を提案する。プログレッシブテクスチャブレンディングモジュールは、エンコードされた2ストリーム特徴をマルチスケールかつプログレッシブな方法でブレンドするように設計されている。
論文参考訳（メタデータ） (2021-07-13T16:07:00Z)

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。