論文の概要: Real-Time Under-Display Cameras Image Restoration and HDR on Mobile Devices

• arxiv url: http://arxiv.org/abs/2211.14040v1
• Date: Fri, 25 Nov 2022 11:46:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 18:16:12.484370
• Title: Real-Time Under-Display Cameras Image Restoration and HDR on Mobile Devices
• Title（参考訳）: モバイル端末におけるリアルタイムアンダーディスクカメラ画像復元とHDR
• Authors: Marcos V. Conde and Florin Vasluianu and Sabari Nathan and Radu Timofte
• Abstract要約: アンダーディスプレイカメラ(UDC)によって撮影された画像は、その前のスクリーンによって劣化する。 画像復元のためのディープラーニング手法は、キャプチャ画像の劣化を著しく低減することができる。 我々は,視覚的UDC画像復元とHDRのための軽量なモデルを提案し,スマートフォン上での様々な手法の性能と実行状況を比較したベンチマークを提供する。
• 参考スコア（独自算出の注目度）: 81.61356052916855
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The new trend of full-screen devices implies positioning the camera behind the screen to bring a larger display-to-body ratio, enhance eye contact, and provide a notch-free viewing experience on smartphones, TV or tablets. On the other hand, the images captured by under-display cameras (UDCs) are degraded by the screen in front of them. Deep learning methods for image restoration can significantly reduce the degradation of captured images, providing satisfying results for the human eyes. However, most proposed solutions are unreliable or efficient enough to be used in real-time on mobile devices. In this paper, we aim to solve this image restoration problem using efficient deep learning methods capable of processing FHD images in real-time on commercial smartphones while providing high-quality results. We propose a lightweight model for blind UDC Image Restoration and HDR, and we also provide a benchmark comparing the performance and runtime of different methods on smartphones. Our models are competitive on UDC benchmarks while using x4 less operations than others. To the best of our knowledge, we are the first work to approach and analyze this real-world single image restoration problem from the efficiency and production point of view.
• Abstract（参考訳）: 新しいフルスクリーンデバイスのトレンドは、画面の後ろにカメラを配置することで、ディスプレイとボディの比率を大きくし、アイコンタクトを強化し、スマートフォン、テレビ、タブレットでノッチのない視聴体験を提供する。 一方、アンダーディスプレイカメラ(UDC)によって撮影された画像は、その前面のスクリーンによって劣化する。 画像復元のためのディープラーニング手法は、キャプチャ画像の劣化を著しく低減し、人間の目にとって満足な結果をもたらす。 しかし、ほとんどの提案されたソリューションは、モバイルデバイス上でリアルタイムに使用できるほど信頼できないか、効率的である。 本稿では,商用スマートフォン上でFHD画像をリアルタイムに処理し,高品質な結果を提供する効率的な深層学習手法を用いて,この画像復元問題を解決することを目的とする。 我々は,視覚障害者のudc画像復元とhdrのための軽量モデルを提案し,スマートフォン上での性能と実行時間を比較するベンチマークも提供する。 我々のモデルは、他のモデルよりもx4少ない演算をしながら、UDCベンチマークで競合します。 我々の知る限りでは、我々はこの実世界の単一画像復元問題に、効率性と生産の観点からアプローチし分析する最初の取り組みである。

関連論文リスト

• MobileMEF: Fast and Efficient Method for Multi-Exposure Fusion [0.6261722394141346]
  本稿では,エンコーダ・デコーダ深層学習アーキテクチャに基づくマルチ露光融合手法を提案する。 我々のモデルは、中距離スマートフォンで2秒未満で4K解像度画像を処理できる。
  論文  参考訳（メタデータ） (2024-08-15T05:03:14Z)
• Self-Supervised Learning for Real-World Super-Resolution from Dual and Multiple Zoomed Observations [61.448005005426666]
  スマートフォン用レファレンスベーススーパーレゾリューション(RefSR)における2つの課題について考察する。 本稿では,デュアルカメラとマルチカメラのズームで観測した実世界のRefSRに対して,新たな自己教師型学習手法を提案する。
  論文  参考訳（メタデータ） (2024-05-03T15:20:30Z)
• Empowering Visually Impaired Individuals: A Novel Use of Apple Live Photos and Android Motion Photos [3.66237529322911]
  われわれは、Apple Live PhotosとAndroid Motion Photosの技術の使用を提唱している。 以上の結果から,Live PhotosとMotion Photosは,共通の視覚支援タスクにおいて,単フレーム画像よりも優れていた。
  論文  参考訳（メタデータ） (2023-09-14T20:46:35Z)
• Perceptual Image Enhancement for Smartphone Real-Time Applications [60.45737626529091]
  本稿では,知覚的画像強調のための軽量ネットワークLPIENetを提案する。 我々のモデルは、ノイズアーティファクト、回折アーティファクト、ぼかし、HDR過剰露光を扱うことができる。 我々のモデルは、中級商用スマートフォンで1秒未満で2K解像度画像を処理することができる。
  論文  参考訳（メタデータ） (2022-10-24T19:16:33Z)
• Towards Efficient and Scale-Robust Ultra-High-Definition Image Demoireing [71.62289021118983]
  本研究では、4Kモアレ画像に対処する効率的なベースラインモデルESDNetを提案する。 我々の手法は、より軽量でありながら、最先端の手法よりも大きなマージンで優れています。
  論文  参考訳（メタデータ） (2022-07-20T14:20:52Z)
• Dual-reference Training Data Acquisition and CNN Construction for Image Super-Resolution [33.388234549922025]
  そこで本研究では,実写カメラを用いたLR$sim$HR画像ペアを多数取得する新しい手法を提案する。 私たちのイノベーションは、解像度の異なる超高品質のスクリーンに表示される画像を撮影することです。 実験の結果,LR$sim$HRデータセットによる超解像CNNのトレーニングは,実画像上の既存のデータセットによるトレーニングよりも,復元性能が優れていることがわかった。
  論文  参考訳（メタデータ） (2021-08-05T03:31:50Z)
• Removing Diffraction Image Artifacts in Under-Display Camera via Dynamic Skip Connection Network [80.67717076541956]
  アンダーディスプレイカメラ(UDC)システムは、スマートフォン上で真のベゼルレスおよびノッチフリーの視聴体験を提供します。 典型的なUDCシステムでは、ピクセルアレイはカメラ上の入射光を減衰および回折し、画像品質の大幅な低下をもたらす。 本研究では,前述の劣化問題の解析と対処を目的とする。
  論文  参考訳（メタデータ） (2021-04-19T18:41:45Z)
• Exploiting Raw Images for Real-Scene Super-Resolution [105.18021110372133]
  本稿では,合成データと実撮影画像とのギャップを埋めるために,実シーンにおける単一画像の超解像化の問題について検討する。 本稿では,デジタルカメラの撮像過程を模倣して,よりリアルなトレーニングデータを生成する手法を提案する。 また、原画像に記録された放射情報を活用するために、2分岐畳み込みニューラルネットワークを開発した。
  論文  参考訳（メタデータ） (2021-02-02T16:10:15Z)
• Image Restoration for Under-Display Camera [14.209602483950322]
  フルスクリーンデバイスの新たなトレンドは、私たちはスクリーンの後ろにカメラを置くことを奨励します。 ベゼルを外し、画面下にカメラを集中させると、ディスプレイとボディの比率が大きくなり、ビデオチャットではアイコンタクトが強化されるが、画像の劣化も引き起こす。 本稿では,新たに定義されたUnder-Display Camera (UDC) に焦点をあてる。
  論文  参考訳（メタデータ） (2020-03-10T17:09:00Z)

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。

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。