論文の概要: Seeing Far in the Dark with Patterned Flash

• arxiv url: http://arxiv.org/abs/2207.12570v1
• Date: Mon, 25 Jul 2022 23:16:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-27 13:19:12.283963
• Title: Seeing Far in the Dark with Patterned Flash
• Title（参考訳）: パターン化されたFlashで暗闇の遠くを見る
• Authors: Zhanghao Sun, Jian Wang, Yicheng Wu, Shree Nayar
• Abstract要約: 遠距離でのフラッシュイメージングのための新しいフラッシュ技術「パターンフラッシュ」を提案する。 パターンフラッシュは光電力をドットアレイに集中させる。 畳み込みニューラルネットワークを用いた画像再構成と深度推定アルゴリズムを開発した。
• 参考スコア（独自算出の注目度）: 5.540878289831889
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Flash illumination is widely used in imaging under low-light environments. However, illumination intensity falls off with propagation distance quadratically, which poses significant challenges for flash imaging at a long distance. We propose a new flash technique, named ``patterned flash'', for flash imaging at a long distance. Patterned flash concentrates optical power into a dot array. Compared with the conventional uniform flash where the signal is overwhelmed by the noise everywhere, patterned flash provides stronger signals at sparsely distributed points across the field of view to ensure the signals at those points stand out from the sensor noise. This enables post-processing to resolve important objects and details. Additionally, the patterned flash projects texture onto the scene, which can be treated as a structured light system for depth perception. Given the novel system, we develop a joint image reconstruction and depth estimation algorithm with a convolutional neural network. We build a hardware prototype and test the proposed flash technique on various scenes. The experimental results demonstrate that our patterned flash has significantly better performance at long distances in low-light environments.
• Abstract（参考訳）: フラッシュ照明は低光環境下での撮像に広く用いられている。 しかし、光強度は伝搬距離を2倍にすることで低下し、遠距離でのフラッシュイメージングには大きな課題が生じる。 本研究では,遠距離でのフラッシュイメージングのための新しいフラッシュ技術である`patterned flash'を提案する。 パターンフラッシュは光学パワーをドットアレイに集中させる。 信号が至る所でノイズに圧倒される従来の均一フラッシュと比較して、パターン付フラッシュは視野を横切る狭い分布の地点で強い信号を提供し、それらの地点の信号がセンサノイズから際立っていることを確実にする。 これにより、後処理で重要なオブジェクトや詳細を解決できる。 さらに、パターン化されたフラッシュはシーンにテクスチャを投影し、深度知覚のための構造化光システムとして扱うことができる。 新たなシステムとして,畳み込みニューラルネットワークを用いた画像再構成と深度推定アルゴリズムを開発した。 ハードウェアプロトタイプを構築し,様々な場面で提案したフラッシュ技術をテストする。 実験の結果,低照度環境において,当社のパターン化フラッシュは長距離で性能が著しく向上することがわかった。

関連論文リスト

• Flash-Splat: 3D Reflection Removal with Flash Cues and Gaussian Splats [13.27784783829039]
  透過光と反射光を分離する簡単な方法を提案する。 提案手法であるFlash-Splatは,3次元の伝送シーンと反射シーンの両方を正確に再構成する。
  論文  参考訳（メタデータ） (2024-10-03T17:59:59Z)
• Computational Flash Photography through Intrinsics [0.0]
  本研究では,フラッシュの有無にかかわらず撮影した写真におけるフラッシュ光の計算制御について検討する。 本稿では,フラッシュ画像形成のための物理的動機付け型内在的定式化と,フラッシュ分解・生成法の開発について述べる。
  論文  参考訳（メタデータ） (2023-06-09T17:51:20Z)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• Robust Reflection Removal with Flash-only Cues in the Wild [88.13531903652526]
  一対のフラッシュと周囲(非フラッシュ)画像から頑健な反射除去のための反射除去キューを提案する。 提案手法はPSNRにおいて5.23dB以上の反射除去手法より優れる。 我々は、フラッシュと非フラッシュのペア間の不整合に対処するために、ハンドヘルド写真へのアプローチを拡張した。
  論文  参考訳（メタデータ） (2022-11-05T14:09:10Z)
• Robust Reflection Removal with Reflection-free Flash-only Cues [52.46297802064146]
  一対のフラッシュと周囲(非フラッシュ)画像から頑健な反射除去のための反射除去キューを提案する。 提案手法はPSNRでは5.23dB,SSIMでは0.04,LPIPSでは0.068以上の反射除去手法より優れていた。
  論文  参考訳（メタデータ） (2021-03-07T05:27:43Z)
• Deep Denoising of Flash and No-Flash Pairs for Photography in Low-Light Environments [51.74566709730618]
  低照度環境下でのフラッシュの有無にかかわらず、高速連続で撮影された画像のペアをデノイズするニューラルネットワークベースの方法を紹介します。 私たちの目標は、ノイズの多いノーフラッシュ画像の周囲照明から色と気分を維持するシーンの高品質のレンダリングを作成することです。
  論文  参考訳（メタデータ） (2020-12-09T15:41:16Z)
• Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
  光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。 本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。 我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
  論文  参考訳（メタデータ） (2020-10-17T23:40:43Z)
• Towards Geometry Guided Neural Relighting with Flash Photography [26.511476565209026]
  本稿では,深層学習を用いた深度マップを用いた1枚のフラッシュ写真から画像のリライティングを行うフレームワークを提案する。 本研究は,本質的な画像分解と画像リライティングにおける最先端の画像ベースアプローチに対する幾何学的アプローチの利点を実験的に検証する。
  論文  参考訳（メタデータ） (2020-08-12T08:03:28Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)

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。