論文の概要: Flare7K++: Mixing Synthetic and Real Datasets for Nighttime Flare
Removal and Beyond
- arxiv url: http://arxiv.org/abs/2306.04236v2
- Date: Thu, 8 Jun 2023 02:41:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-09 10:32:48.985377
- Title: Flare7K++: Mixing Synthetic and Real Datasets for Nighttime Flare
Removal and Beyond
- Title(参考訳): Flare7K++: 夜間フレア除去のための合成と実際のデータセットの混合
- Authors: Yuekun Dai, Chongyi Li, Shangchen Zhou, Ruicheng Feng, Yihang Luo,
Chen Change Loy
- Abstract要約: 962個の実撮影フレア画像(Flare-R)と7000個の合成フレア画像(Flare7K)からなる夜間フレア除去データセットを初めて導入する。
Flare7Kと比較して、Frare7K++は、合成フレアのみを使用することで、光源周辺の複雑な劣化を取り除くのに特に効果的である。
この問題に対処するために、Frare7K++で光源のアノテーションを付加し、レンズフレアを除去しながら光源を保存するための新しいエンドツーエンドパイプラインを提案する。
- 参考スコア(独自算出の注目度): 77.72043833102191
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Artificial lights commonly leave strong lens flare artifacts on the images
captured at night, degrading both the visual quality and performance of vision
algorithms. Existing flare removal approaches mainly focus on removing daytime
flares and fail in nighttime cases. Nighttime flare removal is challenging due
to the unique luminance and spectrum of artificial lights, as well as the
diverse patterns and image degradation of the flares. The scarcity of the
nighttime flare removal dataset constraints the research on this crucial task.
In this paper, we introduce Flare7K++, the first comprehensive nighttime flare
removal dataset, consisting of 962 real-captured flare images (Flare-R) and
7,000 synthetic flares (Flare7K). Compared to Flare7K, Flare7K++ is
particularly effective in eliminating complicated degradation around the light
source, which is intractable by using synthetic flares alone. Besides, the
previous flare removal pipeline relies on the manual threshold and blur kernel
settings to extract light sources, which may fail when the light sources are
tiny or not overexposed. To address this issue, we additionally provide the
annotations of light sources in Flare7K++ and propose a new end-to-end pipeline
to preserve the light source while removing lens flares. Our dataset and
pipeline offer a valuable foundation and benchmark for future investigations
into nighttime flare removal studies. Extensive experiments demonstrate that
Flare7K++ supplements the diversity of existing flare datasets and pushes the
frontier of nighttime flare removal towards real-world scenarios.
- Abstract(参考訳): 人工光は通常、夜間に撮影された画像に強いレンズフレアアーティファクトを残し、視覚アルゴリズムの視覚品質と性能の両方を劣化させる。
既存のフレア除去アプローチは主に昼間のフレアを除去することと夜間のケースで失敗することに焦点を当てている。
夜間のフレア除去は、人工光の独特の輝度とスペクトル、およびフレアの多様なパターンと画像劣化のために困難である。
夜間のフレア除去データセットの不足は、この重要な課題の研究を制約している。
本稿では,夜行性フレア除去データセットであるflare7k++について紹介する。flare-rと7,000個の合成フレア(flare7k)からなる962のリアルタイムフレア除去データセットである。
Flare7Kと比較して、Frare7K++は、合成フレアのみを使用することで、光源周辺の複雑な劣化を取り除くのに特に効果的である。
さらに、以前のフレア除去パイプラインは手動のしきい値とぼかしのカーネル設定に依存して光源を抽出する。
この問題に対処するため、私たちはさらにflare7k++の光源のアノテーションを提供し、レンズフレアを取り除きながら光源を保存するための新しいエンドツーエンドパイプラインを提案します。
我々のデータセットとパイプラインは、将来の夜間フレア除去研究のための貴重な基礎とベンチマークを提供する。
広範な実験により、flare7k++が既存のフレアデータセットの多様性を補完し、夜間フレア除去のフロンティアを現実のシナリオへと押し上げることが示されている。
関連論文リスト
- Harmonizing Light and Darkness: A Symphony of Prior-guided Data Synthesis and Adaptive Focus for Nighttime Flare Removal [44.35766203309201]
インセンス光源は、夜間に撮影画像にフレアを発生させることが多く、視覚的品質を劣化させ、下流の用途に悪影響を及ぼす。
効果的なフレア除去ネットワークをトレーニングするためには、信頼できるデータセットが不可欠である。
フレアの明るさが照明法則に合致するマルチフレア画像を含むフレア7K*という先行誘導型データセットを合成する。
クリーンな背景領域を適応的にマスキングし,フレアに強く影響された領域にフォーカスするモデルを支援するためのプラグイン・アンド・プレイ適応型フォーカス・モジュール (AFM) を提案する。
論文 参考訳(メタデータ) (2024-03-30T10:37:56Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳(メタデータ) (2023-08-31T04:58:17Z) - From Generation to Suppression: Towards Effective Irregular Glow Removal
for Nighttime Visibility Enhancement [22.565044107631696]
既存の低照度画像強調法 (LLIE) は、主に暗黒領域の明るさを改善するために設計されている。
これらの手法は、他の大きな視界の損傷である、夜間の夜景における光の影響を限定的に探究することができる。
大気点拡散関数(APSF)に基づく多重散乱推定による物理光発生の学習法を提案する。
提案手法はゼロショット学習に基づいており、ペアやアンペアのトレーニングデータに頼らず、光抑制と低照度強化の両方において提案手法の有効性を実証的に評価する。
論文 参考訳(メタデータ) (2023-07-31T15:51:15Z) - Nighttime Smartphone Reflective Flare Removal Using Optical Center
Symmetry Prior [81.64647648269889]
反射フレア(英: Reflective flare)は、レンズの内部に光が反射し、明るい点や「ゴースト効果」を引き起こす現象である。
我々は、反射フレアと光源が常にレンズの光学中心の周囲に対称であることを示す光中心対称性を事前に提案する。
多様なリアルな反射フレアパターンを含むブラケットフレアと呼ばれる最初の反射フレア除去データセットを作成します。
論文 参考訳(メタデータ) (2023-03-27T09:44:40Z) - Flare7K: A Phenomenological Nighttime Flare Removal Dataset [83.38205781536578]
最初の夜間フレア除去データセットであるFrare7Kを紹介する。
25種類の散乱フレアと10種類の反射フレアからなる、5,000個の散乱と2,000個の反射フレア画像を提供する。
ペア化されたデータにより、現実世界で撮影されたフレア崩壊画像の復元を効果的に行うことができる。
論文 参考訳(メタデータ) (2022-10-12T20:17:24Z) - How to Train Neural Networks for Flare Removal [45.51943926089249]
ニューラルネットワークをトレーニングして、初めてレンズフレアを取り除きます。
我々のデータ合成手法は正確なフレア除去に不可欠である。
我々の技術で訓練されたモデルは、様々なシーン、照明条件、カメラの実際のレンズフレアによく一般化される。
論文 参考訳(メタデータ) (2020-11-25T02:23:50Z)
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。