論文の概要: Toward Flare-Free Images: A Survey

• arxiv url: http://arxiv.org/abs/2310.14354v1
• Date: Sun, 22 Oct 2023 16:46:12 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-25 00:22:27.953348
• Title: Toward Flare-Free Images: A Survey
• Title（参考訳）: フレアフリーイメージに向けて:調査
• Authors: Yousef Kotp, Marwan Torki
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 1.0878040851637998
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Lens flare is a common image artifact that can significantly degrade image quality and affect the performance of computer vision systems due to a strong light source pointing at the camera. This survey provides a comprehensive overview of the multifaceted domain of lens flare, encompassing its underlying physics, influencing factors, types, and characteristics. It delves into the complex optics of flare formation, arising from factors like internal reflection, scattering, diffraction, and dispersion within the camera lens system. The diverse categories of flare are explored, including scattering, reflective, glare, orb, and starburst types. Key properties such as shape, color, and localization are analyzed. The numerous factors impacting flare appearance are discussed, spanning light source attributes, lens features, camera settings, and scene content. The survey extensively covers the wide range of methods proposed for flare removal, including hardware optimization strategies, classical image processing techniques, and learning-based methods using deep learning. It not only describes pioneering flare datasets created for training and evaluation purposes but also how they were created. Commonly employed performance metrics such as PSNR, SSIM, and LPIPS are explored. Challenges posed by flare's complex and data-dependent characteristics are highlighted. The survey provides insights into best practices, limitations, and promising future directions for flare removal research. Reviewing the state-of-the-art enables an in-depth understanding of the inherent complexities of the flare phenomenon and the capabilities of existing solutions. This can inform and inspire new innovations for handling lens flare artifacts and improving visual quality across various applications.
• Abstract（参考訳）: レンズフレアは一般的な画像アーティファクトであり、カメラを向ける強い光源のため、画質が著しく低下し、コンピュータビジョンシステムの性能に影響を及ぼす。 この調査は、レンズフレアの多面的領域を包括的に概観し、その基礎となる物理、要因、種類、特性に影響を及ぼす。 フレア形成の複雑な光学系に分解し、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といった要因から生じる。 様々なフレアのカテゴリが研究され、散乱、反射、グラア、オーブ、スターバーストタイプがある。 形状,色,局在などの重要な特性を解析する。 光源属性、レンズ機能、カメラの設定、シーンコンテンツにまたがる、フレアの外観に影響を与える多くの要因について論じる。 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。 トレーニングや評価のために作成された先駆的なフレアデータセットだけでなく、その作成方法も記述している。 PSNR、SSIM、LPIPSなどの一般的なパフォーマンス指標を探索する。 flareの複雑でデータ依存の特徴によって生じる課題を強調する。 この調査は、フレア除去研究のベストプラクティス、限界、将来の方向性に関する洞察を提供する。 最先端をレビューすることで、フレア現象の本質的な複雑さと既存の解の能力の深い理解が可能になる。 これにより、レンズフレアアーティファクトの処理や、さまざまなアプリケーションにおける視覚的品質向上のための、新たなイノベーションを通知し、刺激することができる。

関連論文リスト

• Unveiling Deep Shadows: A Survey on Image and Video Shadow Detection, Removal, and Generation in the Era of Deep Learning [81.15890262168449]
  光が障害物に遭遇すると影が形成され、照度が低下する。 コンピュータビジョンにおいて、影の検出、削除、生成はシーン理解の強化、画質の改善、映像編集における視覚的一貫性の確保、仮想環境の改善に不可欠である。 本稿では,過去10年間の深層学習環境における画像や映像の影の検出,削除,生成に関する総合的な調査を行い,課題,深層モデル,データセット,評価指標について紹介する。
  論文  参考訳（メタデータ） (2024-09-03T17:59:05Z)
• 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)
• 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)
• 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)
• Semi-supervised atmospheric component learning in low-light image problem [0.0]
  環境照明条件は、写真装置から画像の知覚的品質を決定する上で重要な役割を担っている。 本研究では,低照度画像復元のための非参照画像品質指標を用いた半教師付きトレーニング手法を提案する。
  論文  参考訳（メタデータ） (2022-04-15T17:06:33Z)
• DIB-R++: Learning to Predict Lighting and Material with a Hybrid Differentiable Renderer [78.91753256634453]
  そこで本研究では,単体画像から固有物体特性を推定する難題について,微分可能量を用いて検討する。 そこで本研究では、スペクトル化とレイトレーシングを組み合わせることで、これらの効果をサポートするハイブリッド微分可能なDIBR++を提案する。 より高度な物理ベースの微分可能値と比較すると、DIBR++はコンパクトで表現力のあるモデルであるため、高い性能を持つ。
  論文  参考訳（メタデータ） (2021-10-30T01:59:39Z)
• NeRFactor: Neural Factorization of Shape and Reflectance Under an Unknown Illumination [60.89737319987051]
  照明条件が不明な物体の多視点像から物体の形状と空間的反射率を復元する問題に対処する。 これにより、任意の環境照明下でのオブジェクトの新たなビューのレンダリングや、オブジェクトの材料特性の編集が可能になる。
  論文  参考訳（メタデータ） (2021-06-03T16:18:01Z)
• Automatic Flare Spot Artifact Detection and Removal in Photographs [4.56877715768796]
  フレアスポットは、多くの条件によって引き起こされるフレアアーティファクトの一種である。 本稿では,フレアスポットアーティファクトを自動的に検出・除去する頑健な計算手法を提案する。
  論文  参考訳（メタデータ） (2021-03-07T15:51:49Z)
• 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)

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。