論文の概要: LHDR: HDR Reconstruction for Legacy Content using a Lightweight DNN
- arxiv url: http://arxiv.org/abs/2211.11270v1
- Date: Mon, 21 Nov 2022 09:05:20 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-22 22:37:25.088579
- Title: LHDR: HDR Reconstruction for Legacy Content using a Lightweight DNN
- Title(参考訳): LHDR:軽量DNNを用いたレガシーコンテンツのためのHDR再構成
- Authors: Cheng Guo and Xiuhua Jiang
- Abstract要約: そこで本研究では,従来のSDRコンテンツにより多くの劣化型で対処するための軽量な手法を提案する。
実験の結果,提案手法は計算コストを最小限に抑えられる性能に到達した。
- 参考スコア(独自算出の注目度): 4.784524967912113
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: High dynamic range (HDR) image is widely-used in graphics and photography due
to the rich information it contains. Recently the community has started using
deep neural network (DNN) to reconstruct standard dynamic range (SDR) images
into HDR. Albeit the superiority of current DNN-based methods, their
application scenario is still limited: (1) heavy model impedes real-time
processing, and (2) inapplicable to legacy SDR content with more degradation
types. Therefore, we propose a lightweight DNN-based method trained to tackle
legacy SDR. For better design, we reform the problem modeling and emphasize
degradation model. Experiments show that our method reached appealing
performance with minimal computational cost compared with others.
- Abstract(参考訳): 高ダイナミックレンジ(HDR)画像は、リッチな情報を含むため、グラフィックや写真に広く使われている。
最近、コミュニティは、標準ダイナミックレンジ(SDR)画像をHDRに再構成するためにディープニューラルネットワーク(DNN)の使用を開始した。
現在のdnnベースの方法が優れているとはいえ、アプリケーションのシナリオは限られている。(1)重いモデルはリアルタイム処理を阻害し、(2)より分解型のあるレガシーなsdrコンテンツには適用できない。
そこで本稿では,従来のSDRに対処するための軽量DNN方式を提案する。
より良い設計のために、問題モデリングを改革し、劣化モデルを強調する。
実験により,本手法は他の手法と比較して計算コストが最小限に抑えられた。
関連論文リスト
- Towards High-quality HDR Deghosting with Conditional Diffusion Models [88.83729417524823]
高ダイナミックレンジ(LDR)画像は、既存のディープニューラルネットワーク(DNN)技術により、複数の低ダイナミックレンジ(LDR)画像から復元することができる。
DNNは、LDR画像が飽和度と大きな動きを持つ場合、ゴーストアーティファクトを生成する。
拡散モデルの条件としてLDR特徴を利用する画像生成としてHDRデゴースト問題を定式化する。
論文 参考訳(メタデータ) (2023-11-02T01:53:55Z) - Learning Continuous Exposure Value Representations for Single-Image HDR
Reconstruction [23.930923461672894]
LDRスタックに基づく手法は, 深層学習により生成したHDRスタックからHDR画像を生成する単一像HDR再構成に使用される。
現在の方法では、所定の露光値(EV)を持つスタックを生成し、HDR再構成の品質を制限できる。
本稿では、暗黙の関数を用いて任意のEVでLDR画像を生成する連続露光値表現(CEVR)を提案する。
論文 参考訳(メタデータ) (2023-09-07T17:59:03Z) - ArtHDR-Net: Perceptually Realistic and Accurate HDR Content Creation [12.45632443397018]
単一露光または多露光LDRを入力した低ダイナミックレンジ(LDR)画像/ビデオのHDR対応を再現する多くの手法が提案されている。
これらのアプローチは、人間の視覚的知覚の観点から、画像の芸術的意図を保存することに重点を置いていない。
マルチ露光LDRを入力として使用するArt-Netアーキテクチャを提案する。
論文 参考訳(メタデータ) (2023-09-07T16:40:49Z) - SMAE: Few-shot Learning for HDR Deghosting with Saturation-Aware Masked
Autoencoders [97.64072440883392]
そこで本研究では,SSHDRと呼ばれる2段階の訓練を通した短距離HDRイメージングを実現するための,新しい半教師付きアプローチを提案する。
以前の方法とは異なり、コンテンツを直接回復し、ゴーストを同時に除去することは、最適に達成することが難しい。
実験により、SSHDRは異なるデータセットの内外における定量的かつ定性的に最先端の手法より優れていることが示された。
論文 参考訳(メタデータ) (2023-04-14T03:42:51Z) - Learning a Practical SDR-to-HDRTV Up-conversion using New Dataset and
Degradation Models [4.0336006284433665]
メディア業界では、HDR-WCG(ハイダイナミックレンジワイドカラーガム)を使用すると、SDR-TVアップコンバージョンが要求される。
現在の手法では、薄暗く不飽和な結果をもたらす傾向があり、視聴体験をほとんど改善しない。
我々は,新しいHDRTVデータセット(HDRTV4K)と新しいHDR-to-SDRモデルを提案する。
論文 参考訳(メタデータ) (2023-03-23T04:40:33Z) - GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。
鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。
実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
論文 参考訳(メタデータ) (2022-11-22T15:42:08Z) - A Two-stage Deep Network for High Dynamic Range Image Reconstruction [0.883717274344425]
本研究では,新しい2段階深層ネットワークを提案することにより,シングルショットLDRからHDRマッピングへの課題に取り組む。
提案手法は,カメラ応答機能(CRF)や露光設定など,ハードウェア情報を知ることなくHDR画像の再構築を図ることを目的とする。
論文 参考訳(メタデータ) (2021-04-19T15:19:17Z) - Accurate and Lightweight Image Super-Resolution with Model-Guided Deep
Unfolding Network [63.69237156340457]
我々は、モデル誘導深部展開ネットワーク(MoG-DUN)と呼ばれるSISRに対する説明可能なアプローチを提示し、提唱する。
MoG-DUNは正確(エイリアスを少なくする)、計算効率(モデルパラメータを減らした)、多用途(多重劣化を処理できる)である。
RCAN, SRDNF, SRFBNを含む既存の最先端画像手法に対するMoG-DUN手法の優位性は、いくつかの一般的なデータセットと様々な劣化シナリオに関する広範な実験によって実証されている。
論文 参考訳(メタデータ) (2020-09-14T08:23:37Z) - HDR-GAN: HDR Image Reconstruction from Multi-Exposed LDR Images with
Large Motions [62.44802076971331]
マルチ露光LDR画像からHDR画像を合成するための新しいGANモデルHDR-GANを提案する。
本手法は,敵対学習を取り入れることで,欠落したコンテンツのある領域に忠実な情報を生成することができる。
論文 参考訳(メタデータ) (2020-07-03T11:42:35Z) - Single-Image HDR Reconstruction by Learning to Reverse the Camera
Pipeline [100.5353614588565]
本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。
我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。
提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
論文 参考訳(メタデータ) (2020-04-02T17:59:04Z)
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。