論文の概要: Multi-Exposure HDR Composition by Gated Swin Transformer
- arxiv url: http://arxiv.org/abs/2303.08704v1
- Date: Wed, 15 Mar 2023 15:38:43 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-16 13:13:27.304001
- Title: Multi-Exposure HDR Composition by Gated Swin Transformer
- Title(参考訳): Gated Swin Transformer によるマルチ露光HDR合成
- Authors: Rui Zhou, Yan Niu
- Abstract要約: 本稿では,Swin Transformerに基づく新しいマルチ露光融合モデルを提案する。
露光空間ピラミッドにおける遠距離文脈依存性を自己認識機構により活用する。
実験により,本モデルが現在のマルチ露光HDR画像モデルと同等の精度が得られることが示された。
- 参考スコア(独自算出の注目度): 8.619880437958525
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fusing a sequence of perfectly aligned images captured at various exposures,
has shown great potential to approach High Dynamic Range (HDR) imaging by
sensors with limited dynamic range. However, in the presence of large motion of
scene objects or the camera, mis-alignment is almost inevitable and leads to
the notorious ``ghost'' artifacts. Besides, factors such as the noise in the
dark region or color saturation in the over-bright region may also fail to fill
local image details to the HDR image. This paper provides a novel
multi-exposure fusion model based on Swin Transformer. Particularly, we design
feature selection gates, which are integrated with the feature extraction
layers to detect outliers and block them from HDR image synthesis. To
reconstruct the missing local details by well-aligned and properly-exposed
regions, we exploit the long distance contextual dependency in the
exposure-space pyramid by the self-attention mechanism. Extensive numerical and
visual evaluation has been conducted on a variety of benchmark datasets. The
experiments show that our model achieves the accuracy on par with current top
performing multi-exposure HDR imaging models, while gaining higher efficiency.
- Abstract(参考訳): 様々な露光で撮影された完全なアライメント画像のシーケンスを用いて、ダイナミックレンジの限られたセンサによるハイダイナミックレンジ(hdr)イメージングにアプローチする大きな可能性を示した。
しかし、シーンオブジェクトやカメラの大きな動きの存在下では、誤アライメントはほぼ避けられず、悪名高い「幽霊」のアーティファクトにつながる。
さらに、暗い領域のノイズや明るい領域の彩度などの要因も、局所像の詳細をHDR画像に満たさない可能性がある。
本稿では,Swin Transformerに基づく新しいマルチ露光融合モデルを提案する。
特に,特徴抽出層に統合された特徴選択ゲートを設計し,外乱検出とHDR画像合成のブロックを行う。
局所的な細部を適切に整列し,適切に露光した領域で再構築するために,自己認識機構を用いて露光空間ピラミッドの長距離文脈依存性を利用する。
様々なベンチマークデータセットで、広範囲な数値的および視覚的な評価が行われている。
実験により,本モデルでは,高効率化を図りながら,現在のマルチ露光HDR画像モデルと同等の精度が得られた。
関連論文リスト
- 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) - Robustifying the Multi-Scale Representation of Neural Radiance Fields [86.69338893753886]
実世界の画像の両問題を克服するために,頑健なマルチスケールニューラルラジアンス場表現手法を提案する。
提案手法は,NeRFにインスパイアされたアプローチを用いて,マルチスケール画像効果とカメラ位置推定問題に対処する。
例えば、日常的に取得したマルチビュー画像からオブジェクトの正確な神経表現を行うためには、カメラの正確な位置推定が不可欠であることを示す。
論文 参考訳(メタデータ) (2022-10-09T11:46:45Z) - Multi-scale Sampling and Aggregation Network For High Dynamic Range
Imaging [24.94466716276423]
動的シーンにおけるHDRイメージングのためのマルチスケールサンプリング・アグリゲーションネットワークを提案する。
提案手法は,高対応性を粗い方法でサンプリング・集約することで,LDR画像のアライメントを暗黙的に行う。
実験の結果,提案手法は様々な場面で最先端のパフォーマンスを実現することができることがわかった。
論文 参考訳(メタデータ) (2022-08-04T04:37:35Z) - 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) - HDR Reconstruction from Bracketed Exposures and Events [12.565039752529797]
高品質なHDR画像の再構成は、現代の計算写真の中心にある。
特徴領域におけるブラケット画像とイベントを融合したマルチモーダルなエンドツーエンド学習型HDRイメージングシステムを提案する。
我々のフレームワークは、スライディングウィンドウを使用して入力イベントストリームをサブサンプリングすることで、イベントの時間分解能を高める。
論文 参考訳(メタデータ) (2022-03-28T15:04:41Z) - Self-supervised HDR Imaging from Motion and Exposure Cues [14.57046548797279]
本稿では,学習可能なHDR推定のための新たな自己教師型アプローチを提案する。
実験の結果,提案手法を用いて訓練したHDRモデルは,全監督下で訓練したモデルと性能の競争力を発揮することがわかった。
論文 参考訳(メタデータ) (2022-03-23T10:22:03Z) - FlexHDR: Modelling Alignment and Exposure Uncertainties for Flexible HDR
Imaging [0.9185931275245008]
高品質なHDR結果を生成するためにアライメントと露出の不確かさをモデル化する新しいHDRイメージング技術を提案する。
本研究では,HDRを意識した不確実性を考慮したアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・
実験結果から,本手法は最先端の高画質HDR画像を最大0.8dBPSNRで生成できることがわかった。
論文 参考訳(メタデータ) (2022-01-07T14:27:17Z) - HDR-NeRF: High Dynamic Range Neural Radiance Fields [58.3278546773903]
我々は、低ダイナミックレンジ(LDR)ビューの集合からHDR放射界を異なる露光で復元するために、高ダイナミックレンジニューラルレイディアンス場(-NeRF)を提案する。
異なる露出下で、新しいHDRビューと新しいLDRビューの両方を生成することができる。
論文 参考訳(メタデータ) (2021-11-29T11:06:39Z) - 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) - End-to-End Differentiable Learning to HDR Image Synthesis for
Multi-exposure Images [23.895981099137533]
与えられた単一露光からの多重露光スタックに基づく高ダイナミックレンジ()画像再構成は、ディープラーニングフレームワークを用いて高品質なHDR画像を生成する。
我々は, スタック再構成に基づく手法において, 完全に微分可能な高ダイナミックレンジイメージング(I)プロセスを用いた新しいフレームワークを提案する。
言い換えれば、我々の微分可能なHDR合成層は、深層ニューラルネットワークがHDRIプロセスにおけるマルチ露光画像間の正確な相関を反映しながら、マルチ露光スタックを作成する訓練を支援する。
論文 参考訳(メタデータ) (2020-06-29T06:47:07Z) - 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。