論文の概要: Efficient HDR Reconstruction from Real-World Raw Images
- arxiv url: http://arxiv.org/abs/2306.10311v1
- Date: Sat, 17 Jun 2023 10:10:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 23:04:55.582414
- Title: Efficient HDR Reconstruction from Real-World Raw Images
- Title（参考訳）: 実世界のRAW画像からの効率的なHDR再構成
- Authors: Qirui Yang, Yihao Liu and Jingyu Yang
- Abstract要約: 既存の学習に基づくHDR再構成手法は、ダイナミックレンジを拡張するために、ブラケット付き露光sRGB画像のセットを取る。
本稿では、生の入力から動的範囲を広げ、再構成されたHDR生データに対して1つのISP処理のみを実行することを提案する。
提案手法は,視覚的品質と定量的指標の両面で,最先端のパフォーマンスを実現する。
- 参考スコア（独自算出の注目度）: 17.31210801565517
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High dynamic range (HDR) imaging is still a significant yet challenging
problem due to the limited dynamic range of generic image sensors. Most
existing learning-based HDR reconstruction methods take a set of
bracketed-exposure sRGB images to extend the dynamic range, and thus are
computational- and memory-inefficient by requiring the Image Signal Processor
(ISP) to produce multiple sRGB images from the raw ones. In this paper, we
propose to broaden the dynamic range from the raw inputs and perform only one
ISP processing for the reconstructed HDR raw image. Our key insights are
threefold: (1) we design a new computational raw HDR data formation pipeline
and construct the first real-world raw HDR dataset, RealRaw-HDR; (2) we develop
a lightweight-efficient HDR model, RepUNet, using the structural
re-parameterization technique; (3) we propose a plug-and-play motion alignment
loss to mitigate motion misalignment between short- and long-exposure images.
Extensive experiments demonstrate that our approach achieves state-of-the-art
performance in both visual quality and quantitative metrics.
- Abstract（参考訳）: 高ダイナミックレンジ(HDR)イメージングは、ジェネリックイメージセンサーの限られたダイナミックレンジのため、依然として重要な課題である。
既存の学習ベースのHDR再構成手法の多くは、ダイナミックレンジを拡張するためにブラケット付き露光sRGB画像の集合を取り、画像信号処理装置(ISP)が生画像から複数のsRGB画像を生成することを要求することにより、計算およびメモリ非効率である。
本稿では,生の入力から動的範囲を広げ,再構成したHDR生画像に対して1つのISP処理のみを実行することを提案する。
我々は,(1)新しい計算用生HDRデータ生成パイプラインを設計し,第1の実世界の生HDRデータセットであるRealRaw-HDRを構築し,(2)構造的再パラメータ化手法を用いて軽量なHDRモデルRepUNetを開発し,(3)短時間と長時間の撮影画像間の動きの不一致を軽減するためのプラグアンドプレイ動作アライメント損失を提案する。
広汎な実験により、我々の手法は視覚的品質と量的指標の両方において最先端のパフォーマンスを達成することを示した。
関連論文リスト
- 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) - Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry
from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。
実験により、照射場は幾何復元とHDR再構成の両方において最先端の手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） (2023-12-26T08:10:22Z) - Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in
Dynamic Scenes [58.66427721308464]
Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。
Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-10-03T07:10:49Z) - RawHDR: High Dynamic Range Image Reconstruction from a Single Raw Image [36.17182977927645]
高ダイナミックレンジ(RGB)画像は、標準画像よりもはるかに多くの強度レベルをキャプチャする。
現在の方法では、カメラ処理パイプラインによって劣化した8ビット低ダイナミックレンジ(LDR)s画像から、主にHDR画像を生成する。
既存の方法とは異なり、この研究の中心となる考え方は、より情報に富んだRawセンサーデータを取り入れてHDR画像を生成することである。
論文 参考訳（メタデータ） (2023-09-05T07:58:21Z) - SMAE: Few-shot Learning for HDR Deghosting with Saturation-Aware Masked
Autoencoders [97.64072440883392]
そこで本研究では,SSHDRと呼ばれる2段階の訓練を通した短距離HDRイメージングを実現するための,新しい半教師付きアプローチを提案する。
以前の方法とは異なり、コンテンツを直接回復し、ゴーストを同時に除去することは、最適に達成することが難しい。
実験により、SSHDRは異なるデータセットの内外における定量的かつ定性的に最先端の手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） (2023-04-14T03:42:51Z) - HDR Video Reconstruction with a Large Dynamic Dataset in Raw and sRGB
Domains [23.309488653045026]
高ダイナミックレンジ(HDR)ビデオ再構成は、低ダイナミックレンジ(LDR)ビデオと比較して視覚的品質が優れているため、ますます注目を集めている。
同時にLDRフレームを取得するのが難しいため、動的シーンのための実際のLDR-ペアはいまだに存在しない。
本研究では,2つの異なる露光画像を同時にキャプチャするスタッガーセンサを用いて,生領域とsRGB領域のHDRフレームに融合する手法を提案する。
論文 参考訳（メタデータ） (2023-04-10T11:59:03Z) - 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) - Beyond Visual Attractiveness: Physically Plausible Single Image HDR
Reconstruction for Spherical Panoramas [60.24132321381606]
我々は,単発hdr再構成フレームワークに物理的照度制約を導入する。
本手法は,視覚に訴えるだけでなく,物理的に妥当なHDRを生成することができる。
論文 参考訳（メタデータ） (2021-03-24T01:51:19Z) - 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。