論文の概要: Learn to See Faster: Pushing the Limits of High-Speed Camera with Deep Underexposed Image Denoising

• arxiv url: http://arxiv.org/abs/2211.16034v1
• Date: Tue, 29 Nov 2022 09:10:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-30 17:25:30.463719
• Title: Learn to See Faster: Pushing the Limits of High-Speed Camera with Deep Underexposed Image Denoising
• Title（参考訳）: 速さを学べる:高画質カメラの限界を、画像の露出不足で押し上げる
• Authors: Weihao Zhuang, Tristan Hascoet, Ryoichi Takashima, Tetsuya Takiguchi
• Abstract要約: 高精細度動画を高い取得率で記録する能力は、高速移動現象の研究の中心である。 高速移動シーンの撮影が難しいのは、動きのぼやけと低露出ノイズのトレードオフにある。 本稿では,このトレードオフに対処するために,高速撮像の問題を過度に露呈した画像復調問題として扱うことを提案する。
• 参考スコア（独自算出の注目度）: 12.507566152678857
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The ability to record high-fidelity videos at high acquisition rates is central to the study of fast moving phenomena. The difficulty of imaging fast moving scenes lies in a trade-off between motion blur and underexposure noise: On the one hand, recordings with long exposure times suffer from motion blur effects caused by movements in the recorded scene. On the other hand, the amount of light reaching camera photosensors decreases with exposure times so that short-exposure recordings suffer from underexposure noise. In this paper, we propose to address this trade-off by treating the problem of high-speed imaging as an underexposed image denoising problem. We combine recent advances on underexposed image denoising using deep learning and adapt these methods to the specificity of the high-speed imaging problem. Leveraging large external datasets with a sensor-specific noise model, our method is able to speedup the acquisition rate of a High-Speed Camera over one order of magnitude while maintaining similar image quality.
• Abstract（参考訳）: 高精細度動画を高い取得率で記録する能力は、高速移動現象の研究の中心である。 高速移動シーンの撮影の難しさは、動きのぼやけと露出音とのトレードオフにある:一方、長時間露光した記録は、記録されたシーン内の動きによって引き起こされる動きのぼやけ効果に悩まされる。 一方、カメラ光センサに届く光の量は露光時間とともに減少し、短露光記録が低露光ノイズに悩まされる。 本稿では,高速画像化の問題点を未公開画像デニュージング問題として扱うことで,このトレードオフに対処することを提案する。 深層学習を用いた非露出画像復調の最近の進歩と,これらの手法を高速撮像問題の特異性に適用する。 センサ固有のノイズモデルを用いて大規模な外部データセットを活用することで,画像品質を維持しながら,高速カメラの取得速度を1桁以上高速化することができる。

関連論文リスト

• Dual-Camera Joint Deblurring-Denoising [24.129908866882346]
  高品質な画像を得るための新しいデュアルカメラ手法を提案する。 本手法では,1台のカメラで撮影した短い露光画像の同期バーストと,もう1台のカメラで撮影した長時間露光画像を用いる。 本手法は,GoProデータセットから得られた合成デュアルカメラ画像に対して,次の最適手法に比べて5倍のトレーニングパラメータで最先端の結果を得られる。
  論文  参考訳（メタデータ） (2023-09-16T00:58:40Z)
• Joint Video Multi-Frame Interpolation and Deblurring under Unknown Exposure Time [101.91824315554682]
  本研究では,より現実的で挑戦的なタスク – 複数フレームのジョイントビデオと,未知の露光時間下での劣化 – を野心的に目標とする。 我々はまず,入力されたぼやけたフレームから露出認識表現を構築するために,教師付きコントラスト学習の変種を採用する。 次に、プログレッシブ露光適応型畳み込みと動き改善による露出と動きの表現に基づいて、映像再構成ネットワークを構築した。
  論文  参考訳（メタデータ） (2023-03-27T09:43:42Z)
• Self-Supervised Image Restoration with Blurry and Noisy Pairs [66.33313180767428]
  ISOの高い画像は、通常難聴のノイズを持つが、長時間露光画像は、カメラの揺れや物体の動きによってぼやけている。 既存のソリューションは一般に、ノイズとブラーのバランスを求め、フルビジョンまたはセルフスーパービジョンのどちらかの下でデノイングやデブロワーリングのモデルを学ぶことを提案している。 本稿では,短時間露光ノイズ画像と長時間露光ぼかし画像との併用による画像復元を提案する。
  論文  参考訳（メタデータ） (2022-11-14T12:57:41Z)
• Robust Scene Inference under Noise-Blur Dual Corruptions [20.0721386176278]
  低照度下でのシーン推測は、撮像画像の厳しいノイズのために難しい問題である。 同じシーンの複数の露出を同時に撮影できるカメラの台頭により、このトレードオフを克服することが可能である。 低照度および運動下でのロバスト推論にこれらのマルチ露光キャプチャを利用する手法を提案する。
  論文  参考訳（メタデータ） (2022-07-24T02:52:00Z)
• Learning Spatially Varying Pixel Exposures for Motion Deblurring [49.07867902677453]
  本研究では,空間的に異なる画素の露光を利用して動きを損なう新しい手法を提案する。 我々の研究は、未来のコンピュータイメージングにおいて、焦点面センサー-プロセッサが果たすべき役割を説明している。
  論文  参考訳（メタデータ） (2022-04-14T23:41:49Z)
• ESL: Event-based Structured Light [62.77144631509817]
  イベントカメラはバイオインスパイアされたセンサーであり、標準的なカメラよりも大きな利点がある。 本稿では,イベントカメラを用いた新しい構造化光システムを提案し,高精度かつ高速な深度センシングの課題に対処する。
  論文  参考訳（メタデータ） (2021-11-30T15:47:39Z)
• Digital Gimbal: End-to-end Deep Image Stabilization with Learnable Exposure Times [2.6396287656676733]
  高速不安定化カメラの入力から機械的に安定化したシステムをディジタルエミュレートする。 長時間露光時の動きのぼかしと短時間露光時の低SNRとの間のトレードオフを利用するため、鋭い高SNR像を推定するCNNを訓練する。
  論文  参考訳（メタデータ） (2020-12-08T16:04:20Z)
• Exposure Trajectory Recovery from Motion Blur [90.75092808213371]
  ダイナミックシーンにおける動きのぼやけは重要な研究テーマである。 本稿では、ぼやけた画像に含まれる動き情報を表す露光軌跡を定義する。 静止シャープ画像の画素方向の変位をモデル化するための新しい動きオフセット推定フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-06T05:23:33Z)
• 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。