論文の概要: Deterministic Neural Illumination Mapping for Efficient Auto-White
Balance Correction
- arxiv url: http://arxiv.org/abs/2308.03939v1
- Date: Mon, 7 Aug 2023 22:44:26 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-09 14:45:30.104736
- Title: Deterministic Neural Illumination Mapping for Efficient Auto-White
Balance Correction
- Title(参考訳): 効率的な自己白バランス補正のための決定論的神経照明マッピング
- Authors: Furkan K{\i}nl{\i}, Do\u{g}a Y{\i}lmaz, Bar{\i}\c{s} \"Ozcan, Furkan
K{\i}ra\c{c}
- Abstract要約: オートホワイトバランス(オートホワイトバランス、Auto-white Balance、AWB)は、様々な照明シナリオにおいて正確で一貫した色補正のために、画像信号処理装置において重要な操作である。
本稿では,高解像度画像上での同等あるいは優れた性能で,少なくとも35倍高速な処理を実現する,新規で効率的なAWB補正手法を提案する。
- 参考スコア(独自算出の注目度): 3.441021278275805
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Auto-white balance (AWB) correction is a critical operation in image signal
processors for accurate and consistent color correction across various
illumination scenarios. This paper presents a novel and efficient AWB
correction method that achieves at least 35 times faster processing with
equivalent or superior performance on high-resolution images for the current
state-of-the-art methods. Inspired by deterministic color style transfer, our
approach introduces deterministic illumination color mapping, leveraging
learnable projection matrices for both canonical illumination form and
AWB-corrected output. It involves feeding high-resolution images and
corresponding latent representations into a mapping module to derive a
canonical form, followed by another mapping module that maps the pixel values
to those for the corrected version. This strategy is designed as
resolution-agnostic and also enables seamless integration of any pre-trained
AWB network as the backbone. Experimental results confirm the effectiveness of
our approach, revealing significant performance improvements and reduced time
complexity compared to state-of-the-art methods. Our method provides an
efficient deep learning-based AWB correction solution, promising real-time,
high-quality color correction for digital imaging applications. Source code is
available at https://github.com/birdortyedi/DeNIM/
- Abstract(参考訳): オートホワイトバランス(オートホワイトバランス、Auto-white Balance、AWB)は、様々な照明シナリオにおいて正確で一貫した色補正のための画像信号処理装置において重要な操作である。
本稿では,現在最先端の高解像度画像に対して,少なくとも35倍高速な処理を実現する,新しい,効率的なAWB補正手法を提案する。
本手法は,定性的な色調変換に着想を得て,学習可能な投影行列を標準照明形式とAWB補正出力の両方に活用する。
これは高分解能画像と対応する潜在表現をマッピングモジュールに供給し、正準形式を導出し、さらにピクセル値を修正されたバージョンにマッピングする別のマッピングモジュールを含む。
この戦略は解像度に依存しないように設計されており、事前訓練されたAWBネットワークをバックボーンとしてシームレスに統合することができる。
実験の結果,本手法の有効性を確認し,性能改善と時間複雑性の低減が得られた。
本手法は,デジタル画像のリアルタイムかつ高品質な色補正を約束する,効率的な深層学習に基づくAWB補正ソリューションを提供する。
ソースコードはhttps://github.com/birdortyedi/DeNIM/で入手できる。
関連論文リスト
- Discovering an Image-Adaptive Coordinate System for Photography Processing [51.164345878060956]
曲線演算を行う前にRGB色空間における画像適応座標系を学習するための新しいアルゴリズム IAC を提案する。
このエンドツーエンドのトレーニング可能なアプローチにより、共同で学習した画像適応座標系と曲線を用いて、画像の効率よく調整できる。
論文 参考訳(メタデータ) (2025-01-11T06:20:07Z) - WB LUTs: Contrastive Learning for White Balancing Lookup Tables [2.340368527699536]
不正確なホワイトバランス(WB)設定やAWB故障は、レンダリングされたsRGB画像の望ましくない青または赤の色合いにつながる可能性がある。
近年の手法では、撮像後のWB補正問題を画像から画像への変換タスクとして用い、低解像度で必要な色調整を学習するために深層ニューラルネットワークを訓練している。
本稿では,3D LUTのWB補正品質を25.5%向上させる,新しいハードサンプルマイニング手法による対照的な学習フレームワークを提案する。
論文 参考訳(メタデータ) (2024-04-15T20:48:33Z) - Joint Correcting and Refinement for Balanced Low-Light Image Enhancement [26.399356992450763]
より効果的に明るさ、色、照明のバランスをとることができる新しい構造が提案されている。
JCRNet(Joint Correcting and Refinement Network)は主に、明るさ、色、照明の輝度のバランスをとるための3つのステージで構成されている。
論文 参考訳(メタデータ) (2023-09-28T03:16:45Z) - Deep Richardson-Lucy Deconvolution for Low-Light Image Deblurring [48.80983873199214]
我々は,飽和画素を学習潜時マップでモデル化するデータ駆動型手法を開発した。
新しいモデルに基づいて、非盲検除色タスクを最大後部(MAP)問題に定式化することができる。
増幅されたアーティファクトを使わずに高品質な劣化画像を推定するために,我々は事前推定ネットワークを構築した。
論文 参考訳(メタデータ) (2023-08-10T12:53:30Z) - Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。
このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。
本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
論文 参考訳(メタデータ) (2023-08-10T07:53:06Z) - Cross-Camera Deep Colorization [10.254243409261898]
本稿では,カラープラスモノデュアルカメラシステムからの画像の整列と融合を行う,エンドツーエンドの畳み込みニューラルネットワークを提案する。
提案手法は,約10dBPSNRゲインの大幅な改善を継続的に達成する。
論文 参考訳(メタデータ) (2022-08-26T11:02:14Z) - Low-light Image Enhancement by Retinex Based Algorithm Unrolling and
Adjustment [50.13230641857892]
本稿では,低照度画像強調(LIE)問題に対する新たなディープラーニングフレームワークを提案する。
提案フレームワークは,大域的明るさと局所的明るさ感度の両方を考慮したアルゴリズムアンロールと調整ネットワークに着想を得た分解ネットワークを含む。
一連の典型的なLIEデータセットの実験では,既存の手法と比較して,定量的かつ視覚的に,提案手法の有効性が示された。
論文 参考訳(メタデータ) (2022-02-12T03:59:38Z) - Auto White-Balance Correction for Mixed-Illuminant Scenes [52.641704254001844]
オートホワイトバランス(AWB)は、シーン照明によるカラーキャストを取り除くためにカメラハードウェアによって適用される。
本稿では,この混合照明シーンに有効なAWB手法を提案する。
本手法は従来のカメラAWBモジュールと同様,照度推定を必要としない。
論文 参考訳(メタデータ) (2021-09-17T20:13:31Z) - An Adaptive Framework for Learning Unsupervised Depth Completion [59.17364202590475]
カラー画像から高密度深度マップとそれに伴うスパース深度測定を推定する手法を提案する。
正規化とコビジュアライゼーションは、モデルの適合度とデータによって関連付けられており、単一のフレームワークに統合可能であることを示す。
論文 参考訳(メタデータ) (2021-06-06T02:27:55Z)
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。