論文の概要: Fast Two-step Blind Optical Aberration Correction

• arxiv url: http://arxiv.org/abs/2208.00950v1
• Date: Mon, 1 Aug 2022 16:04:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 14:40:16.564369
• Title: Fast Two-step Blind Optical Aberration Correction
• Title（参考訳）: 高速2段階ブラインド光収差補正
• Authors: Thomas Eboli and Jean-Michel Morel and Gabriele Facciolo
• Abstract要約: 本稿では,1つの生画像やJPEG画像の光収差を補正する2段階の手法を提案する。 まず、重複するパッチに対して局所ガウスのぼかしカーネルを推定し、非盲検でそれらをシャープ化する。 第2に、畳み込みニューラルネットワークを用いて、残りの横色収差を除去する。
• 参考スコア（独自算出の注目度）: 15.555393702795076
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The optics of any camera degrades the sharpness of photographs, which is a key visual quality criterion. This degradation is characterized by the point-spread function (PSF), which depends on the wavelengths of light and is variable across the imaging field. In this paper, we propose a two-step scheme to correct optical aberrations in a single raw or JPEG image, i.e., without any prior information on the camera or lens. First, we estimate local Gaussian blur kernels for overlapping patches and sharpen them with a non-blind deblurring technique. Based on the measurements of the PSFs of dozens of lenses, these blur kernels are modeled as RGB Gaussians defined by seven parameters. Second, we remove the remaining lateral chromatic aberrations (not contemplated in the first step) with a convolutional neural network, trained to minimize the red/green and blue/green residual images. Experiments on both synthetic and real images show that the combination of these two stages yields a fast state-of-the-art blind optical aberration compensation technique that competes with commercial non-blind algorithms.
• Abstract（参考訳）: あらゆるカメラの光学は写真のシャープさを劣化させ、これは重要な視覚品質基準である。 この劣化は、光の波長に依存し、撮像領域全体に変動する点スプレッド関数(psf)によって特徴づけられる。 本稿では,カメラやレンズの事前情報なしに,1枚の生画像やJPEG画像の光収差を補正する2段階の手法を提案する。 まず,重複パッチに対する局所ガウシアンボケカーネルを推定し,非ブリンドデブラリング手法を用いて研削する。 数十個のレンズのPSFの測定に基づいて、これらのぼやけたカーネルは7つのパラメータで定義されたRGBガウスとしてモデル化される。 第2に、赤/緑/青/緑の残像を最小限に抑えるために、畳み込みニューラルネットワークを用いて、残りの横色収差(第1ステップでは考慮しない)を除去する。 合成画像と実画像の両方の実験により、これらの2段階の組み合わせは、商用の非盲目的アルゴリズムと競合する最先端のブラインド光学収差補償技術をもたらすことが示されている。

関連論文リスト

• MonoPCC: Photometric-invariant Cycle Constraint for Monocular Depth Estimation of Endoscopic Images [20.439758719616048]
  光度制約は自己教師付き単眼深度推定には不可欠である。 内蔵された光は、大きな明るさの変動を引き起こし、光度制限が信頼性を損なう。 本稿では,光度制約を周期形式に変換することにより,輝度の不整合を根本的に解消するMonoPCCを提案する。
  論文  参考訳（メタデータ） (2024-04-25T12:34:23Z)
• Classification robustness to common optical aberrations [64.08840063305313]
  本稿では,現実的かつ実用的な光ぼけ効果に対するロバスト性を調べるためのベンチマークである OpticsBench を提案する。 ImageNetの実験では、様々な訓練済みのDNNに対して、ディスク形状のカーネルと比較して、パフォーマンスが強いことが示されている。 我々は,光カーネルをデータ拡張として使用することにより,拡張可能なImageNet-100について述べる。
  論文  参考訳（メタデータ） (2023-08-29T08:36:00Z)
• Frequency-Aware Self-Supervised Monocular Depth Estimation [41.97188738587212]
  自己教師付き単眼深度推定モデルを改善するための2つの多目的手法を提案する。 本手法の高一般化性は,測光損失関数の基本的およびユビキタスな問題を解くことによって達成される。 我々は、解釈可能な解析で深度推定器を改善するために、初めてぼやけた画像を提案する。
  論文  参考訳（メタデータ） (2022-10-11T14:30:26Z)
• Learning Enriched Illuminants for Cross and Single Sensor Color Constancy [182.4997117953705]
  ネットワークをトレーニングするためのクロスセンサ自己教師型トレーニングを提案する。 センサに依存しない方法で人工発光体をランダムにサンプリングすることでネットワークを訓練する。 実験により、我々のクロスセンサモデルとシングルセンサーモデルは、他の最先端手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-21T15:45:35Z)
• Light Lies: Optical Adversarial Attack [24.831391763610046]
  本稿では, 画像センサに到達した光界情報を物理的に変化させて, 分類モデルが誤分類を生じさせる光学対向攻撃を提案する。 シミュレーションと実際のハードウェア光システムの両方に基づく実験を行い,提案手法の有効性を実証した。
  論文  参考訳（メタデータ） (2021-06-18T04:20:49Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• Leveraging Spatial and Photometric Context for Calibrated Non-Lambertian Photometric Stereo [61.6260594326246]
  空間と測光の両方を同時に活用できる効率的な完全畳み込みアーキテクチャを提案する。 分離可能な4D畳み込みと2D熱マップを使うことで、サイズが小さくなり、効率が向上する。
  論文  参考訳（メタデータ） (2021-03-22T18:06:58Z)
• Spatially-Variant CNN-based Point Spread Function Estimation for Blind Deconvolution and Depth Estimation in Optical Microscopy [6.09170287691728]
  薄めながら平らでない物体の光顕微鏡画像の解像度を向上する手法を提案する。 畳み込みニューラルネットワーク(CNN)を用いた空間変動点スプレッド関数(PSF)モデルのパラメータを推定する。 本手法は,理想条件下での2乗ピアソン相関係数0.99で画像自体からPSFパラメータを復元する。
  論文  参考訳（メタデータ） (2020-10-08T14:20:16Z)
• Single-shot Hyperspectral-Depth Imaging with Learned Diffractive Optics [72.9038524082252]
  単発単眼単眼ハイパースペクトル(HS-D)イメージング法を提案する。 本手法では, 回折光学素子 (DOE) を用いる。 DOE の学習を容易にするため,ベンチトップ HS-D イメージラーを構築することで,最初の HS-D データセットを提案する。
  論文  参考訳（メタデータ） (2020-09-01T14:19:35Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• Identification of splicing edges in tampered image based on Dichromatic Reflection Model [11.757875734469398]
  オリジナル画像に対する操作は これらの署名を破壊し 必然的にいくつかの痕跡を 最終偽造に残します タンパー画像中の自然の端点から端点を識別する光学物理手法を提案する。
  論文  参考訳（メタデータ） (2020-04-09T01:25:28Z)

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。

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。