論文の概要: AutoColor: Learned Light Power Control for Multi-Color Holograms
- arxiv url: http://arxiv.org/abs/2305.01611v2
- Date: Mon, 29 Jan 2024 11:16:46 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-30 22:55:06.235104
- Title: AutoColor: Learned Light Power Control for Multi-Color Holograms
- Title(参考訳): autocolor:多色ホログラムのための学習型光パワー制御
- Authors: Yicheng Zhan, Koray Kavakl{\i}, Hakan Urey, Qi Sun, Kaan Ak\c{s}it
- Abstract要約: 多色ホログラムは複数の光源からの同時照明に依存している。
マルチカラーホログラムを照らすのに必要な最適な光源パワーを推定するための最初の学習手法であるAutoColorを紹介する。
- 参考スコア(独自算出の注目度): 15.655689651318033
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Multi-color holograms rely on simultaneous illumination from multiple light
sources. These multi-color holograms could utilize light sources better than
conventional single-color holograms and can improve the dynamic range of
holographic displays. In this letter, we introduce AutoColor , the first
learned method for estimating the optimal light source powers required for
illuminating multi-color holograms. For this purpose, we establish the first
multi-color hologram dataset using synthetic images and their depth
information. We generate these synthetic images using a trending pipeline
combining generative, large language, and monocular depth estimation models.
Finally, we train our learned model using our dataset and experimentally
demonstrate that AutoColor significantly decreases the number of steps required
to optimize multi-color holograms from > 1000 to 70 iteration steps without
compromising image quality.
- Abstract(参考訳): 多色ホログラムは、複数の光源からの同時照明に依存する。
これらの多色ホログラムは、従来の単色ホログラムよりも優れた光源を利用することができ、ホログラムディスプレイのダイナミックレンジを改善することができる。
本稿では,多色ホログラムの照明に必要な最適な光源パワーを推定するための最初の学習手法であるAutoColorを紹介する。
本研究では,合成画像とその奥行き情報を用いて,最初の多色ホログラムデータセットを構築する。
生成,大言語,単眼深度推定モデルを組み合わせたトレンドパイプラインを用いて,これらの合成画像を生成する。
最後に、我々のデータセットを用いて学習モデルをトレーニングし、画像の品質を損なうことなく、多色ホログラムの最適化に必要なステップ数を1000から70に大幅に削減することを示した。
関連論文リスト
- HoloChrome: Polychromatic Illumination for Speckle Reduction in Holographic Near-Eye Displays [8.958725481270807]
ホログラフィックディスプレイは、真に深い奥行きを提供するという約束を持ち、その結果、近目アプリケーションに対する没入型視覚体験が強化される。
現在のホログラフィックディスプレイはスペックルノイズによって妨げられ、表示された画像の色とテクスチャの正確な再現を制限する。
HoloChromeは、これらの制限を緩和するために設計された多色ホログラフィック表示フレームワークである。
論文 参考訳(メタデータ) (2024-10-31T17:05:44Z) - CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。
既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。
我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
論文 参考訳(メタデータ) (2024-04-08T07:34:39Z) - Configurable Learned Holography [33.45219677645646]
本稿では,RGBのみの2次元画像から様々なホログラム表示のための3次元ホログラムをインタラクティブに計算する学習モデルを提案する。
我々は,3次元ホログラム合成タスクの深度推定と3次元ホログラム合成の相関関係の同定に,ホログラム計算を頼れるようにした。
論文 参考訳(メタデータ) (2024-03-24T13:57:30Z) - Attentive Illumination Decomposition Model for Multi-Illuminant White
Balancing [27.950125640986805]
多くの商用カメラにおけるホワイトバランス(WB)アルゴリズムは、単色および均一な照明を前提としている。
スロットアテンションを利用して,各スロットが個別の照度を表すようなホワイトバランスモデルを提案する。
この設計により、モデルは個々の照度に対する色度と重量マップを生成でき、最終照明マップを構成するために融合される。
論文 参考訳(メタデータ) (2024-02-28T12:15:29Z) - Learning to Relight Portrait Images via a Virtual Light Stage and
Synthetic-to-Real Adaptation [76.96499178502759]
Relightingは、イメージ内の人物を、ターゲットの照明のある環境に現れたかのように再照らすことを目的としている。
最近の手法は、高品質な結果を得るためにディープラーニングに依存している。
そこで本研究では,光ステージを必要とせずに,SOTA(State-of-the-art Relighting Method)と同等に動作可能な新しい手法を提案する。
論文 参考訳(メタデータ) (2022-09-21T17:15:58Z) - Generative Models for Multi-Illumination Color Constancy [23.511249515559122]
そこで本研究では,種(物理駆動)に基づく多照色濃度法を提案する。
GANを用いて照明推定問題を画像から画像へのドメイン変換問題としてモデル化する。
単照度および多照度データセットを用いた実験により,本手法がソタ法より優れていることが示された。
論文 参考訳(メタデータ) (2021-09-02T12:24:40Z) - Learned holographic light transport [2.642698101441705]
ホログラフィーアルゴリズムはしばしば物理ホログラフィーディスプレイの結果と一致するシミュレーションで不足する。
我々の研究はホログラフィックディスプレイのホログラフィック光輸送を学習することで、このミスマッチに対処する。
本手法はホログラフィックディスプレイのシミュレーション精度と画質を劇的に向上させることができる。
論文 参考訳(メタデータ) (2021-08-01T12:05:33Z) - Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。
カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。
LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
論文 参考訳(メタデータ) (2021-03-19T04:00:27Z) - The Cube++ Illumination Estimation Dataset [50.58610459038332]
本稿では,新しい照明推定データセットを提案する。
照明色が既知の4890の画像と、追加のセマンティックデータで構成されている。
データセットは、単一または2つの照度推定を実行するメソッドのトレーニングとテストに使用することができる。
論文 参考訳(メタデータ) (2020-11-19T18:50:08Z) - Light Stage Super-Resolution: Continuous High-Frequency Relighting [58.09243542908402]
光ステージから採取した人間の顔の「超解像」を学習ベースで解析する手法を提案する。
本手法では,ステージ内の隣接する照明に対応する撮像画像を集約し,ニューラルネットワークを用いて顔の描画を合成する。
我々の学習モデルは、リアルな影と特異なハイライトを示す任意の光方向のレンダリングを生成することができる。
論文 参考訳(メタデータ) (2020-10-17T23:40:43Z) - Scene relighting with illumination estimation in the latent space on an
encoder-decoder scheme [68.8204255655161]
本報告では,その目的を達成するための手法について述べる。
我々のモデルは、シーン内容、光源位置、色温度の異なる、人工的な場所のレンダリングデータセットに基づいて訓練されている。
本データセットでは,被写体の潜在空間表現における光条件の推測と置き換えを目的とした照明推定成分を用いたネットワークを用いた。
論文 参考訳(メタデータ) (2020-06-03T15:25:11Z)
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。