論文の概要: High Dynamic Range Imaging via Visual Attention Modules
- arxiv url: http://arxiv.org/abs/2307.14705v1
- Date: Thu, 27 Jul 2023 08:52:29 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-28 15:10:05.495153
- Title: High Dynamic Range Imaging via Visual Attention Modules
- Title（参考訳）: 視覚注意モジュールによる高ダイナミックレンジイメージング
- Authors: Ali Reza Omrani, Davide Moroni
- Abstract要約: 本稿では,視覚的アテンションモジュール(VAM)によって抽出された各画像の最も目に見える領域からの情報を取り込むことのできる新しいモデルを提案する。
特に、ディープラーニングアーキテクチャに基づくモデルでは、抽出された領域を利用して最終的なHDR画像を生成する。
- 参考スコア（独自算出の注目度）: 0.13537117504260618
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Thanks to High Dynamic Range (HDR) imaging methods, the scope of photography
has seen profound changes recently. To be more specific, such methods try to
reconstruct the lost luminosity of the real world caused by the limitation of
regular cameras from the Low Dynamic Range (LDR) images. Additionally, although
the State-Of-The-Art methods in this topic perform well, they mainly
concentrate on combining different exposures and have less attention to
extracting the informative parts of the images. Thus, this paper aims to
introduce a new model capable of incorporating information from the most
visible areas of each image extracted by a visual attention module (VAM), which
is a result of a segmentation strategy. In particular, the model, based on a
deep learning architecture, utilizes the extracted areas to produce the final
HDR image. The results demonstrate that our method outperformed most of the
State-Of-The-Art algorithms.
- Abstract（参考訳）: 高ダイナミックレンジ(hdr)イメージング手法のおかげで、写真撮影のスコープは近年大きく変化している。
より具体的には、このような手法は、低ダイナミックレンジ(LDR)画像からの通常のカメラの制限による現実世界の失われた光度を再構築しようとするものである。
また,この話題における最先端の手法は良好であるが,露光の違いに主眼を置き,画像情報抽出にはあまり注意を払わない。
そこで本研究では,視覚的注意モジュール (VAM) によって抽出された各画像の最も目に見える領域から情報を取り込むことが可能な新たなモデルを提案する。
特に、ディープラーニングアーキテクチャに基づくモデルでは、抽出された領域を利用して最終的なHDR画像を生成する。
その結果,本手法は最先端アルゴリズムのほとんどを上回っていた。
関連論文リスト
- Semantic Aware Diffusion Inverse Tone Mapping [5.65968650127342]
逆トーンマッピングによる高ダイナミックレンジ(HDR)へのキャプチャー標準ダイナミックレンジ(SDR)画像のアップの試み
本稿では,SDR画像をHDRにマッピングする新たな逆トーンマッピング手法を提案する。
論文 参考訳（メタデータ） (2024-05-24T11:44:22Z) - Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
近年の拡散モデル (DM) はHDRイメージング分野に導入されている。
DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。
ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
論文 参考訳（メタデータ） (2024-04-01T01:32:11Z) - 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) - High Dynamic Range Imaging of Dynamic Scenes with Saturation
Compensation but without Explicit Motion Compensation [20.911738532410766]
高ダイナミックレンジ(LDR)イメージングは、カメラセンサの限界により大量の情報が失われるため、非常に難しい課題である。
HDRイメージングでは、複数の低ダイナミックレンジ(LDR)画像を露出の変化で捉え、より多くの情報を収集する手法がある。
既存の手法のほとんどはゴーストのアーチファクトを減らすために運動補償に重点を置いているが、それでも満足できない結果をもたらす。
論文 参考訳（メタデータ） (2023-08-22T02:44:03Z) - Supervised Image Segmentation for High Dynamic Range Imaging [0.13537117504260618]
本研究の目的は,各画像の最も目に見える領域を画像分割の助けを借りて抽出することである。
手動しきい値と大津しきい値の2つの方法が検討され、これらの領域をトレーニングするためにニューラルネットワークが使用される。
ニューラルネットワークが画像の可視部分を許容的に分割できることが示される。
論文 参考訳（メタデータ） (2022-12-06T14:25:26Z) - GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。
鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。
実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
論文 参考訳（メタデータ） (2022-11-22T15:42:08Z) - Deep Progressive Feature Aggregation Network for High Dynamic Range
Imaging [24.94466716276423]
本研究では,動的シーンにおけるHDR画像の画質向上のための高度な特徴集約ネットワークを提案する。
提案手法は,高対応特徴を暗黙的にサンプリングし,それらを粗い方法で集約してアライメントする。
実験の結果,提案手法は異なるシーン下での最先端性能を実現することができることがわかった。
論文 参考訳（メタデータ） (2022-08-04T04:37:35Z) - High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。
提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。
実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
論文 参考訳（メタデータ） (2022-07-29T13:31:28Z) - Depth image denoising using nuclear norm and learning graph model [107.51199787840066]
グループベース画像復元法は,パッチ間の類似性収集に有効である。
各パッチに対して、検索ウィンドウ内で最もよく似たパッチを見つけ、グループ化する。
提案手法は, 主観的, 客観的両面において, 最先端の復調法よりも優れている。
論文 参考訳（メタデータ） (2020-08-09T15:12:16Z) - Single-Image HDR Reconstruction by Learning to Reverse the Camera
Pipeline [100.5353614588565]
本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。
我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。
提案手法は,最先端の単一画像HDR再構成アルゴリズム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） (2020-04-02T17:59:04Z)
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。