論文の概要: Handheld Burst Super-Resolution Meets Multi-Exposure Satellite Imagery
- arxiv url: http://arxiv.org/abs/2303.05879v1
- Date: Fri, 10 Mar 2023 12:13:31 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-13 15:12:22.949134
- Title: Handheld Burst Super-Resolution Meets Multi-Exposure Satellite Imagery
- Title（参考訳）: マルチ露光衛星画像のハンドヘルドバースト超解像
- Authors: Jamy Lafenetre, Ngoc Long Nguyen, Gabriele Facciolo, Thomas Eboli
- Abstract要約: 我々は,スマートフォンカメラバーストの超高分解能化に最先端のカーネルレグレッション技術を適用した。
画像の局所構造を利用して核融合を最適に操り、最終的な高分解能予測における曖昧さを制限する。
我々は、マルチ露光低解像度フレームの列から高分解能かつノイズフリーなフレームを予測するためにこのアプローチを拡張した。
- 参考スコア（独自算出の注目度）: 7.9716992946722804
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Image resolution is an important criterion for many applications based on
satellite imagery. In this work, we adapt a state-of-the-art kernel regression
technique for smartphone camera burst super-resolution to satellites. This
technique leverages the local structure of the image to optimally steer the
fusion kernels, limiting blur in the final high-resolution prediction,
denoising the image, and recovering details up to a zoom factor of 2. We extend
this approach to the multi-exposure case to predict from a sequence of
multi-exposure low-resolution frames a high-resolution and noise-free one.
Experiments on both single and multi-exposure scenarios show the merits of the
approach. Since the fusion is learning-free, the proposed method is ensured to
not hallucinate details, which is crucial for many remote sensing applications.
- Abstract（参考訳）: 画像解像度は、衛星画像に基づく多くのアプリケーションにとって重要な基準である。
本研究では,スマートフォンカメラのバースト・スーパーレゾリューションに最先端のカーネルレグレッション技術を適用する。
この手法は画像の局所構造を利用して核融合を最適に操り、最終高分解能予測のぼかしを制限し、画像をデノイングし、詳細を2のズーム係数まで回復する。
このアプローチをマルチ露光ケースに拡張して,高分解能かつノイズフリーな多露光低解像度フレーム列から予測する。
単一およびマルチ露光シナリオの実験は、このアプローチのメリットを示している。
融合は学習不要であるため,多くのリモートセンシングアプリケーションにおいて重要である詳細を幻覚させないことが保証されている。
関連論文リスト
- FusionRF: High-Fidelity Satellite Neural Radiance Fields from Multispectral and Panchromatic Acquisitions [38.55830312265355]
光学的未処理衛星画像からのニューラルレンダリング地形再構成手法であるFusionRFを導入する。
我々は,WorldView-3衛星のマルチスペクトル・パンクロマティック衛星画像について,各地における評価を行った。
論文 参考訳（メタデータ） (2024-09-23T15:38:03Z) - SatDiffMoE: A Mixture of Estimation Method for Satellite Image Super-resolution with Latent Diffusion Models [3.839322642354617]
我々はtextbfSatDiffMoE と呼ばれる新しい拡散型融合アルゴリズムを提案する。
アルゴリズムは非常に柔軟で、任意の数の低解像度画像のトレーニングと推測が可能である。
実験の結果,SatDiffMoE法は衛星画像の超解像処理に優れていた。
論文 参考訳（メタデータ） (2024-06-14T17:58:28Z) - Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for
Loss-free Multi-Exposure Image Fusion [60.221404321514086]
マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。
本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
論文 参考訳（メタデータ） (2023-09-03T08:07:26Z) - Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。
本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。
提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
論文 参考訳（メタデータ） (2023-05-20T17:01:52Z) - Gated Multi-Resolution Transfer Network for Burst Restoration and
Enhancement [75.25451566988565]
低画質の原画像のバーストから空間的精度の高い高画質画像を再構成する新しいGated Multi-Resolution Transfer Network (GMTNet)を提案する。
5つのデータセットに関する詳細な実験分析は、我々のアプローチを検証し、バースト超解像、バーストデノイング、低照度バーストエンハンスメントのための最先端技術を設定する。
論文 参考訳（メタデータ） (2023-04-13T17:54:00Z) - High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。
提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。
実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-29T13:31:28Z) - Self-Supervised Super-Resolution for Multi-Exposure Push-Frame
Satellites [13.267489927661797]
提案手法は,入力中の信号依存ノイズ,任意の長さのプロセスシーケンスを処理し,露光時の不正確さに頑健である。
現実の高解像度フレームを必要とせずに、セルフスーパービジョンでエンドツーエンドでトレーニングすることができる。
提案手法を合成および実データ上で評価し,既存の単一露光手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2022-05-04T12:42:57Z) - Unsupervised Remote Sensing Super-Resolution via Migration Image Prior [12.728430583409997]
低解像度・高分解能の画像ペアを使わずに超解像タスクを実現する新しい非監視学習フレームワーク「MIP」を提案する。
本論文では,MIPが定量的および定性的に最先端の手法よりも有意な改善を達成できることを示した。
論文 参考訳（メタデータ） (2021-05-08T03:29:35Z) - Gated Fusion Network for Degraded Image Super Resolution [78.67168802945069]
本稿では,基本特徴と回復特徴を別々に抽出する二分岐畳み込みニューラルネットワークを提案する。
特徴抽出ステップを2つのタスク非依存ストリームに分解することで、デュアルブランチモデルがトレーニングプロセスを容易にすることができる。
論文 参考訳（メタデータ） (2020-03-02T13:28:32Z) - HighRes-net: Recursive Fusion for Multi-Frame Super-Resolution of
Satellite Imagery [55.253395881190436]
MFSR(Multi-frame Super-Resolution)は、問題に対するより根底的なアプローチを提供する。
これは、地球上の人間の影響を衛星で観測する上で重要である。
我々は,MFSRにおける最初のディープラーニングアプローチであるHighRes-netを紹介し,そのサブタスクをエンドツーエンドで学習する。
論文 参考訳（メタデータ） (2020-02-15T22:17:47Z)
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。