論文の概要: Joint Denoising and Fusion with Short- and Long-exposure Raw Pairs
- arxiv url: http://arxiv.org/abs/2306.10311v4
- Date: Thu, 14 Dec 2023 07:10:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-16 04:41:20.063437
- Title: Joint Denoising and Fusion with Short- and Long-exposure Raw Pairs
- Title（参考訳）: 短尺・長尺のルーペアによる関節脱神経と核融合
- Authors: Qirui Yang, Yihao Liu, Qihua Chen and Jingyu Yang
- Abstract要約: デノイングと高ダイナミックレンジ(露光)イメージングは、ジェネリックイメージセンサーの小さな開口とセンサーサイズのために重要な課題であるが、難しい問題である。
現在の方法では、ブラケット付き露光sRGB画像の集合から主にHDR画像を生成する。
従来の手法とは異なり、この研究の中心となる考え方は、信号対雑音比の短い露光画像と長い露光画像の差を利用して、HDR画像を生成して雑音化することである。
- 参考スコア（独自算出の注目度）: 9.278560676845181
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Denoising and high dynamic range (HDR) imaging are significant yet
challenging problems due to the small aperture and sensor size of generic image
sensors. Current methods predominantly generate HDR images from a set of
bracketed exposure sRGB images. However, they overlook the computational and
memory inefficiencies of the Image Signal Processor (ISP) when processing a set
of sRGB images with different exposures. Furthermore, the absence of
large-scale raw-based HDR datasets limits the research on HDR imaging. Unlike
existing methods, the core idea of this work is to utilize the difference
between short- and long-exposure images of signal-to-noise ratios to generate
HDR images and denoising. To this end, we propose a model tailor-made for
double-exposure HDR sensors, leveraging the unique features of the raw data to
facilitate raw-to-HDR mapping and raw denoising. Our key insights are
threefold: (1) a new computational raw LDR-HDR pair formation pipeline is
designed to construct a real-world raw HDR dataset called RealRaw-HDR; (2) a
lightweight-efficient HDR model, RepUNet, is developed using the structural
reparameterization technique; (3) a plug-and-play alignment-free and
motion-aware short-exposure-first selection loss and a colorfulness loss are
proposed to mitigate ghost artifacts and color cast. Our empirical evaluation
validates the effectiveness of the proposed LDR-HDR formation pipeline, as well
as experiments show that our method achieves comparable performance to the
state-of-the-art methods with less computational cost.
- Abstract（参考訳）: 一般的な画像センサの小型開口とセンササイズのため,高ダイナミックレンジ(HDR)撮像は重要な課題である。
現在の方法では、ブラケット付き露光sRGB画像から主にHDR画像を生成する。
しかし、異なる露光で一組のsRGB画像を処理する際に、画像信号処理装置(ISP)の計算とメモリの非効率性を見落としている。
さらに、大規模な生のHDRデータセットがないため、HDRイメージングの研究は制限される。
従来の手法と異なり、信号対雑音比の短時間露光画像と長時間露光画像の差を利用してhdr画像を生成し、ノイズ化させるという考え方である。
そこで本研究では,2重露光型HDRセンサのためのモデルライタを提案し,生データの特徴を活用して生間HDRマッピングと生デノーミングを容易にする。
1)新しい計算用LDR-HDRペア生成パイプラインはRealRaw-HDRと呼ばれる実世界の生HDRデータセットを構築するために設計され、(2)軽量なHDRモデルRepUNetは構造的パラメータ化技術を用いて開発され、(3)プラグアンドプレイアライメントフリーかつモーションアライメント対応のショート露光ファースト選択損失とカラフルネスの損失がゴーストアーティファクトやカラーキャストを緩和するために提案されている。
実験により,提案手法の有効性を検証し,計算コストを低減した最先端手法に匹敵する性能が得られることを示した。
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。