論文の概要: Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery
- arxiv url: http://arxiv.org/abs/2308.16460v1
- Date: Thu, 31 Aug 2023 04:58:17 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-01 17:38:03.325572
- Title: Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery
- Title(参考訳): 汎用パイプラインと複数光源の回収によるレンズフレア除去の改善
- Authors: Yuyan Zhou, Dong Liang, Songcan Chen, Sheng-Jun Huang, Shuo Yang,
Chongyi Li
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 69.71080926778413
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: When taking images against strong light sources, the resulting images often
contain heterogeneous flare artifacts. These artifacts can importantly affect
image visual quality and downstream computer vision tasks. While collecting
real data pairs of flare-corrupted/flare-free images for training flare removal
models is challenging, current methods utilize the direct-add approach to
synthesize data. However, these methods do not consider automatic exposure and
tone mapping in image signal processing pipeline (ISP), leading to the limited
generalization capability of deep models training using such data. Besides,
existing methods struggle to handle multiple light sources due to the different
sizes, shapes and illuminance of various light sources. In this paper, we
propose a solution to improve the performance of lens flare removal by
revisiting the ISP and remodeling the principle of automatic exposure in the
synthesis pipeline and design a more reliable light sources recovery strategy.
The new pipeline approaches realistic imaging by discriminating the local and
global illumination through convex combination, avoiding global illumination
shifting and local over-saturation. Our strategy for recovering multiple light
sources convexly averages the input and output of the neural network based on
illuminance levels, thereby avoiding the need for a hard threshold in
identifying light sources. We also contribute a new flare removal testing
dataset containing the flare-corrupted images captured by ten types of consumer
electronics. The dataset facilitates the verification of the generalization
capability of flare removal methods. Extensive experiments show that our
solution can effectively improve the performance of lens flare removal and push
the frontier toward more general situations.
- Abstract(参考訳): 強い光源に対して画像を撮影する場合、得られた画像は異種のフレアアーティファクトを含むことが多い。
これらのアーティファクトは、画像の視覚品質と下流のコンピュータビジョンタスクに重要な影響を与える。
フレア除去モデルをトレーニングするためのフレア破損/フレアフリー画像の実際のデータ対の収集は困難であるが、現在の手法ではデータ合成に直接付加アプローチを採用している。
しかし、これらの手法は画像信号処理パイプライン(isp)における自動露光やトーンマッピングを考慮せず、そのようなデータを用いた深層モデルトレーニングの一般化能力に制限がかかっている。
既存の方法は、様々な光源のサイズ、形状、照度が異なるため、複数の光源を扱うのに苦労している。
本稿では,ispを再検討し,合成パイプラインにおける自動露光原理を再構成し,より信頼性の高い光源回収戦略を設計することにより,レンズフレア除去性能を向上させる方法を提案する。
新しいパイプラインは、凸結合による局所照明とグローバル照明を区別し、グローバル照明シフトと局所過飽和を回避し、現実的なイメージングにアプローチする。
複数光源を凸的に回収する戦略は,光度レベルに基づいてニューラルネットワークの入力と出力を平均化することにより,光源の識別に厳しいしきい値が不要になる。
また,10種類の家電製品から得られたフレア崩壊画像を含むフレア除去試験データセットを新たに提供した。
データセットはフレア除去法の一般化機能の検証を容易にする。
広範な実験により, レンズフレア除去性能を効果的に向上し, フロンティアをより一般的な状況に向かわせることができた。
関連論文リスト
- Generalizable Non-Line-of-Sight Imaging with Learnable Physical Priors [52.195637608631955]
非視線画像(NLOS)は、その潜在的な応用により注目されている。
既存のNLOS再構成アプローチは、経験的物理的前提に依存して制約される。
本稿では,Learningable Path Compensation(LPC)とAdaptive Phasor Field(APF)の2つの主要な設計を含む,学習に基づく新しいソリューションを提案する。
論文 参考訳(メタデータ) (2024-09-21T04:39:45Z) - 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) - A Non-Uniform Low-Light Image Enhancement Method with Multi-Scale
Attention Transformer and Luminance Consistency Loss [11.585269110131659]
低照度画像強調は、薄暗い環境で収集された画像の知覚を改善することを目的としている。
既存の方法では、識別された輝度情報を適応的に抽出することができず、露光過多や露光過多を容易に引き起こすことができる。
MSATrというマルチスケールアテンション変換器を提案し,光バランスの局所的・グローバル的特徴を十分に抽出し,視覚的品質を向上させる。
論文 参考訳(メタデータ) (2023-12-27T10:07:11Z) - 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) - Low-Light Image Enhancement with Illumination-Aware Gamma Correction and
Complete Image Modelling Network [69.96295927854042]
低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。
本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。
指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
論文 参考訳(メタデータ) (2023-08-16T08:46:51Z) - 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) - Toward Real Flare Removal: A Comprehensive Pipeline and A New Benchmark [12.1632995709273]
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。
論文 参考訳(メタデータ) (2023-06-28T02:57:25Z) - Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。
本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-01-10T03:12:52Z) - DA-DRN: Degradation-Aware Deep Retinex Network for Low-Light Image
Enhancement [14.75902042351609]
低照度画像強調のための劣化対応深部網膜ネットワーク(DA-DRN)を提案する。
Retinex Theoryに基づいて、我々のモデルにおける分解ネットは、低照度画像を反射率と照明マップに分解することができる。
提案手法は, 良好なルバスト性および一般化によって有望な効果を発揮することを示すため, 広範囲な実験を行った。
論文 参考訳(メタデータ) (2021-10-05T03:53:52Z) - Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。
提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
論文 参考訳(メタデータ) (2020-05-06T13:37:08Z)
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。