論文の概要: Learning a Practical SDR-to-HDRTV Up-conversion using New Dataset and
Degradation Models
- arxiv url: http://arxiv.org/abs/2303.13031v1
- Date: Thu, 23 Mar 2023 04:40:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-24 15:41:07.115418
- Title: Learning a Practical SDR-to-HDRTV Up-conversion using New Dataset and
Degradation Models
- Title(参考訳): 新しいデータセットと劣化モデルを用いたsdr-to-hdrtvアップコンバージョン学習
- Authors: Cheng Guo and Leidong Fan and Ziyu Xue and and Xiuhua Jiang
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 4.0336006284433665
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In media industry, the demand of SDR-to-HDRTV up-conversion arises when users
possess HDR-WCG (high dynamic range-wide color gamut) TVs while most
off-the-shelf footage is still in SDR (standard dynamic range). The research
community has started tackling this low-level vision task by learning-based
approaches. When applied to real SDR, yet, current methods tend to produce dim
and desaturated result, making nearly no improvement on viewing experience.
Different from other network-oriented methods, we attribute such deficiency to
training set (HDR-SDR pair). Consequently, we propose new HDRTV dataset (dubbed
HDRTV4K) and new HDR-to-SDR degradation models. Then, it's used to train a
luminance-segmented network (LSN) consisting of a global mapping trunk, and two
Transformer branches on bright and dark luminance range. We also update
assessment criteria by tailored metrics and subjective experiment. Finally,
ablation studies are conducted to prove the effectiveness. Our work is
available at: https://github.com/AndreGuo/HDRTVDM.
- Abstract(参考訳): メディア業界では、hdr-wcg(high dynamic range-wide color gamut)テレビ(high dynamic range-wide color gamut)を持っているユーザーがsdr-hdrtvのアップコンバージョンを要求される。
研究コミュニティは、この低レベルのビジョンタスクに学習ベースのアプローチで取り組み始めている。
しかし、実際のSDRに適用すると、現在の手法は薄暗く不飽和な結果をもたらす傾向にあり、視聴体験をほとんど改善しない。
他のネットワーク指向手法と異なり、そのような欠陥はトレーニングセット(HDR-SDRペア)に起因している。
その結果,新しいHDRTVデータセット(HDRTV4K)と新しいHDR-to-SDR劣化モデルを提案する。
次に、グローバルマッピングトランクと2つのトランスフォーマーブランチからなる輝度分離ネットワーク(LSN)を、明るく暗い輝度範囲でトレーニングするために使用する。
また,評価基準を調整した指標と主観実験により更新する。
最後に, その効果を証明するため, アブレーション研究を行った。
私たちの仕事は、https://github.com/AndreGuo/HDRTVDM.comで公開されています。
関連論文リスト
- Beyond Feature Mapping GAP: Integrating Real HDRTV Priors for Superior SDRTV-to-HDRTV Conversion [22.78096367667505]
HDR-WCGディスプレイデバイスの普及は、SDRTVをHDRTVに変換する必要性を強調している。
既存の手法は主に、SDRTVからHDRTVへの単一スタイルマッピングを学ぶニューラルネットワークの設計に焦点を当てている。
本稿では,実際のHDRTVプリエントによって誘導されるHDRTV変換に対するSDRTVの新しい手法を提案する。
論文 参考訳(メタデータ) (2024-11-16T11:20:29Z) - HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting [76.5908492298286]
既存のHDR NVS法は主にNeRFに基づいている。
訓練時間は長く、推論速度は遅い。
我々は新しいフレームワークHigh Dynamic Range Gaussian Splatting (-GS)を提案する。
論文 参考訳(メタデータ) (2024-05-24T00:46:58Z) - FastHDRNet: A new efficient method for SDR-to-HDR Translation [5.224011800476952]
我々は「FastNet」と呼ばれるSDRからHDRへの変換のためのニューラルネットワークを提案する。
このアーキテクチャは、グローバル統計とローカル情報を超高効率で利用する軽量ネットワークとして設計されている。
論文 参考訳(メタデータ) (2024-04-06T03:25:24Z) - Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
近年の拡散モデル (DM) はHDRイメージング分野に導入されている。
DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。
ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
論文 参考訳(メタデータ) (2024-04-01T01:32:11Z) - Towards Efficient SDRTV-to-HDRTV by Learning from Image Formation [51.26219245226384]
モダンディスプレイは、高ダイナミックレンジ(WCG)と広色域(SDR)で映像コンテンツをレンダリングすることができる
利用可能なリソースの大部分は、まだ標準動的範囲(SDR)にある。
我々は、SDRTV/TVコンテンツの形成をモデル化し、SDRTV-to-TVタスクを定義し、分析する。
本手法は主に超高精細テレビコンテンツ向けに設計されており、4K解像度画像の処理に有効で軽量である。
論文 参考訳(メタデータ) (2023-09-08T02:50:54Z) - 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) - HDR-NeRF: High Dynamic Range Neural Radiance Fields [70.80920996881113]
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) - A New Journey from SDRTV to HDRTV [36.58487005995048]
我々は、SDRTV/TVコンテンツの形成をモデル化して、SDRTV-to-TVタスクの分析を行う。
画像適応カラーマッピングを行うためのガイダンスとして,グローバル統計を利用した軽量ネットワークを提案する。
論文 参考訳(メタデータ) (2021-08-18T05:17:08Z) - 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) - 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)
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。