論文の概要: Toward Real Flare Removal: A Comprehensive Pipeline and A New Benchmark
- arxiv url: http://arxiv.org/abs/2306.15884v1
- Date: Wed, 28 Jun 2023 02:57:25 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-29 16:05:47.172549
- Title: Toward Real Flare Removal: A Comprehensive Pipeline and A New Benchmark
- Title（参考訳）: 真のフレア除去に向けて - 包括的なパイプラインと新しいベンチマーク
- Authors: Zheyan Jin, Shiqi Chen, Huajun Feng, Zhihai Xu, Yueting Chen
- Abstract要約: 本稿では,フレア劣化を伴うデータペア生成手法を提案する。
散乱フレアの類似性と反射ゴーストの対称効果を実現する。
また,散乱と反射フレアの影響をそれぞれ処理する実写パイプラインを構築した。
- 参考スコア（独自算出の注目度）: 12.1632995709273
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Photographing in the under-illuminated scenes, the presence of complex light
sources often leave strong flare artifacts in images, where the intensity, the
spectrum, the reflection, and the aberration altogether contribute the
deterioration. Besides the image quality, it also influence the performance of
down-stream visual applications. Thus, removing the lens flare and ghosts is a
challenge issue especially in low-light environment. However, existing methods
for flare removal mainly restricted to the problems of inadequate simulation
and real-world capture, where the categories of scattered flares are singular
and the reflected ghosts are unavailable. Therefore, a comprehensive
deterioration procedure is crucial for constructing the dataset of flare
removal. Based on the theoretical analysis and real-world evaluation, we
propose a well-developed methodology for generating the data-pairs with flare
deterioration. The procedure is comprehensive, where the similarity of
scattered flares and the symmetric effect of reflected ghosts are realized.
Moreover, we also construct a real-shot pipeline that respectively processes
the effects of scattering and reflective flares, aiming to directly generate
the data for end-to-end methods. Experimental results show that the proposed
methodology add diversity to the existing flare datasets and construct a
comprehensive mapping procedure for flare data pairs. And our method facilities
the data-driven model to realize better restoration in flare images and
proposes a better evaluation system based on real shots, resulting promote
progress in the area of real flare removal.
- Abstract（参考訳）: 照明不足のシーンでの撮影では、複雑な光源の存在は、強度、スペクトル、反射、収差などの強いフレアのアーチファクトを画像に残すことが多い。
画質だけでなく、下流のビジュアルアプリケーションの性能にも影響を及ぼす。
したがって、レンズフレアとゴーストの除去は、特に低照度環境での課題である。
しかし, 既存のフレア除去法は主に, 散乱フレアのカテゴリーが特異であり, 反射するゴーストが利用できない, 不適切なシミュレーションや実世界の捕獲に限られている。
したがって,フレア除去のデータセットの構築には包括的劣化手順が不可欠である。
理論的解析と実世界の評価に基づいて,フレア劣化を伴うデータペアを生成する手法を提案する。
手順は包括的であり、散在するフレアの類似性と反射するゴーストの対称効果を実現する。
さらに,散乱と反射フレアの影響をそれぞれ処理する実写パイプラインを構築し,エンドツーエンドの手法で直接データを生成する。
実験の結果,提案手法は既存のフレアデータセットに多様性を付加し,フレアデータペアの包括的なマッピング手順を構築する。
また,本手法では,フレア画像の良好な復元を実現するためにデータ駆動モデルを構築し,実際の撮影に基づく評価システムを提案する。
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) - RANRAC: Robust Neural Scene Representations via Random Ray Consensus [12.161889666145127]
RANRAC(RANdom RAy Consensus)は、一貫性のないデータの影響を排除するための効率的な手法である。
我々はRANSACパラダイムのファジィ適応を定式化し、大規模モデルへの適用を可能にした。
その結果, 新規な視点合成のための最先端のロバストな手法と比較して, 顕著な改善が見られた。
論文 参考訳（メタデータ） (2023-12-15T13:33:09Z) - Toward Flare-Free Images: A Survey [1.0878040851637998]
レンズフレア(Lens flare)は、画像の品質を著しく低下させ、コンピュータビジョンシステムの性能に影響を与えることができる人工物である。
この調査は、内部反射、散乱、回折、およびカメラレンズシステム内の分散などの要因から生じる、フレア形成の複雑な光学を掘り下げる。
この調査は、ハードウェア最適化戦略、古典的な画像処理技術、ディープラーニングを用いた学習手法など、フレア除去のための幅広い手法を幅広くカバーしている。
論文 参考訳（メタデータ） (2023-10-22T16:46:12Z) - 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) - LLDiffusion: Learning Degradation Representations in Diffusion Models
for Low-Light Image Enhancement [118.83316133601319]
現在の低照度画像強調(LLIE)の深層学習法は、通常、ペア化されたデータから学んだピクセルワイドマッピングに依存している。
本稿では,拡散モデルを用いたLLIEの劣化認識学習手法を提案する。
論文 参考訳（メタデータ） (2023-07-27T07:22:51Z) - ExposureDiffusion: Learning to Expose for Low-light Image Enhancement [87.08496758469835]
この研究は、拡散モデルと物理ベースの露光モデルとをシームレスに統合することで、この問題に対処する。
提案手法は,バニラ拡散モデルと比較して性能が大幅に向上し,推論時間を短縮する。
提案するフレームワークは、実際のペア付きデータセット、SOTAノイズモデル、および異なるバックボーンネットワークの両方で動作する。
論文 参考訳（メタデータ） (2023-07-15T04:48:35Z) - 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) - AT-DDPM: Restoring Faces degraded by Atmospheric Turbulence using
Denoising Diffusion Probabilistic Models [64.24948495708337]
大気の乱流は、ぼやけや幾何学的歪みを導入して画質を著しく劣化させる。
CNNベースやGANインバージョンベースなど,深層学習に基づく単一画像大気乱流低減手法が提案されている。
Denoising Diffusion Probabilistic Models (DDPMs) は、その安定したトレーニングプロセスと高品質な画像を生成する能力により、最近注目を集めている。
論文 参考訳（メタデータ） (2022-08-24T03:13:04Z) - 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) - Learning to See Through Obstructions with Layered Decomposition [117.77024641706451]
移動画像から不要な障害を取り除くための学習に基づくアプローチを提案する。
本手法は背景要素と閉塞要素の運動差を利用して両方の層を復元する。
本研究では,合成データから得られた提案手法が実画像に対して良好に動作することを示す。
論文 参考訳（メタデータ） (2020-08-11T17:59:31Z)
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。