論文の概要: Deep Quantigraphic Image Enhancement via Comparametric Equations
- arxiv url: http://arxiv.org/abs/2304.02285v1
- Date: Wed, 5 Apr 2023 08:14:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-06 13:11:59.579962
- Title: Deep Quantigraphic Image Enhancement via Comparametric Equations
- Title（参考訳）: 比較計量方程式による深部量子画像の強調
- Authors: Xiaomeng Wu, Yongqing Sun, Akisato Kimura
- Abstract要約: 本稿では,低照度画像と照明マップから拡張画像への変換を多様化する,新しいトレーニング可能なモジュールを提案する。
提案手法は,深部画像強調の柔軟性を向上し,計算負荷を照明推定に制限し,様々なタスクの多様な要求に適応可能な教師なし学習を可能にする。
- 参考スコア（独自算出の注目度）: 15.782217616496055
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most recent methods of deep image enhancement can be generally classified
into two types: decompose-and-enhance and illumination estimation-centric. The
former is usually less efficient, and the latter is constrained by a strong
assumption regarding image reflectance as the desired enhancement result. To
alleviate this constraint while retaining high efficiency, we propose a novel
trainable module that diversifies the conversion from the low-light image and
illumination map to the enhanced image. It formulates image enhancement as a
comparametric equation parameterized by a camera response function and an
exposure compensation ratio. By incorporating this module in an illumination
estimation-centric DNN, our method improves the flexibility of deep image
enhancement, limits the computational burden to illumination estimation, and
allows for fully unsupervised learning adaptable to the diverse demands of
different tasks.
- Abstract（参考訳）: 最近の深部画像強調法は一般に分解・拡張と照明推定中心の2つのタイプに分類できる。
前者は通常効率が低く、後者は所望の強調結果として画像反射率に関する強い仮定によって制約される。
この制約を緩和し、高効率を維持しつつ、低照度画像と照明マップから拡張画像への変換を多様化する新しい訓練モジュールを提案する。
カメラ応答関数と露光補償比でパラメータ化された比較式として画像強調を定式化する。
このモジュールを照明推定中心のDNNに組み込むことで、深い画像強調の柔軟性を改善し、計算負荷を照明推定に制限し、様々なタスクの多様な要求に適応可能な教師なし学習を可能にする。
関連論文リスト
- Fast Context-Based Low-Light Image Enhancement via Neural Implicit Representations [6.113035634680655]
現在のディープラーニングベースの低照度画像強調手法は高解像度画像としばしば競合する。
我々は、未露出画像の2次元座標を照明成分にマッピングすることで、拡張過程を再定義する、CoLIEと呼ばれる新しいアプローチを導入する。
論文 参考訳（メタデータ） (2024-07-17T11:51:52Z) - A Non-Uniform Low-Light Image Enhancement Method with Multi-Scale
Attention Transformer and Luminance Consistency Loss [11.585269110131659]
低照度画像強調は、薄暗い環境で収集された画像の知覚を改善することを目的としている。
既存の方法では、識別された輝度情報を適応的に抽出することができず、露光過多や露光過多を容易に引き起こすことができる。
MSATrというマルチスケールアテンション変換器を提案し,光バランスの局所的・グローバル的特徴を十分に抽出し,視覚的品質を向上させる。
論文 参考訳（メタデータ） (2023-12-27T10:07:11Z) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳（メタデータ） (2023-08-16T08:46:51Z) - Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳（メタデータ） (2023-08-10T07:53:06Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳（メタデータ） (2023-04-24T21:39:13Z) - Intrinsic Image Transfer for Illumination Manipulation [1.2387676601792899]
本稿では,照明操作のための固有画像転送(IIT)アルゴリズムを提案する。
2つの照明面間の局所的な画像変換を生成する。
本報告では,本質的な画像分解を行うことなく,全ての損失を低減できることを示す。
論文 参考訳（メタデータ） (2021-07-01T19:12:24Z) - Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文 参考訳（メタデータ） (2021-04-07T12:00:38Z) - Efficient and Differentiable Shadow Computation for Inverse Problems [64.70468076488419]
微分可能幾何計算は画像に基づく逆問題に対する関心が高まっている。
微分可能な可視性とソフトシャドウ計算のための効率的かつ効率的なアプローチを提案する。
定式化は微分可能であるため, テクスチャ, 照明, 剛体ポーズ, 画像からの変形回復などの逆問題を解くために使用できる。
論文 参考訳（メタデータ） (2021-04-01T09:29:05Z) - Visual Perception Model for Rapid and Adaptive Low-light Image
Enhancement [19.955016389978926]
低照度画像強調は、低照度環境における情報知覚のための人間の視覚システム(HVS)の感度が不十分な問題に対処するための有望な解決策である。
以前のRetinexベースの作品は、常に光強度を推定することによって強化タスクを達成している。
本稿では,視覚の正確な数学的記述を得るために,視覚知覚(VP)モデルを提案する。
論文 参考訳（メタデータ） (2020-05-15T03:47:10Z) - Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。
提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
論文 参考訳（メタデータ） (2020-05-06T13:37:08Z)
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。