論文の概要: CompenHR: Efficient Full Compensation for High-resolution Projector

• arxiv url: http://arxiv.org/abs/2311.13409v1
• Date: Wed, 22 Nov 2023 14:13:27 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-23 14:50:46.045237
• Title: CompenHR: Efficient Full Compensation for High-resolution Projector
• Title（参考訳）: CompenHR:高分解能プロジェクタの効率的な完全補償
• Authors: Yuxi Wang, Haibin Ling, Bingyao Huang
• Abstract要約: プロジェクター補償はプロジェクターカメラシステムの実用的なタスクである。 プロジェクター入力画像、名前付き補償画像を見つけることを目的としており、プロジェクターが投影されると幾何学的および測光的歪みがキャンセルされる。 最先端の手法では、ディープラーニングを使ってこの問題に対処し、低解像度のセットアップで有望なパフォーマンスを示す。 しかし、ディープラーニングを高精細なセットアップに直接適用することは、長いトレーニング時間と高いメモリコストのために現実的ではない。
• 参考スコア（独自算出の注目度）: 68.42060996280064
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Full projector compensation is a practical task of projector-camera systems. It aims to find a projector input image, named compensation image, such that when projected it cancels the geometric and photometric distortions due to the physical environment and hardware. State-of-the-art methods use deep learning to address this problem and show promising performance for low-resolution setups. However, directly applying deep learning to high-resolution setups is impractical due to the long training time and high memory cost. To address this issue, this paper proposes a practical full compensation solution. Firstly, we design an attention-based grid refinement network to improve geometric correction quality. Secondly, we integrate a novel sampling scheme into an end-to-end compensation network to alleviate computation and introduce attention blocks to preserve key features. Finally, we construct a benchmark dataset for high-resolution projector full compensation. In experiments, our method demonstrates clear advantages in both efficiency and quality.
• Abstract（参考訳）: プロジェクター補償はプロジェクターカメラシステムの実用的なタスクである。 プロジェクターの入力画像である補償画像を見つけることを目的としており、プロジェクターが投影されると物理的環境やハードウェアによる幾何学的および測光的歪みがキャンセルされる。 最先端の手法では、ディープラーニングを使用してこの問題に対処し、低解像度設定で有望なパフォーマンスを示す。 しかしながら、高分解能設定にディープラーニングを直接適用することは、長いトレーニング時間と高いメモリコストのため、現実的ではない。 この問題に対処するため,本論文では,実用的な完全補償ソリューションを提案する。 まず,幾何学的補正の質を向上させるために,注意に基づくグリッドリファインメントネットワークを設計する。 次に,新しいサンプリング方式をエンドツーエンド補償ネットワークに統合し,計算の軽減と注意ブロックの導入により重要な特徴の保存を行う。 最後に,高分解能プロジェクタフル補償のためのベンチマークデータセットを構築した。 実験では,効率と品質の両面で明らかな優位性を示す。

関連論文リスト

• Task-driven single-image super-resolution reconstruction of document scans [2.8391355909797644]
  文書スキャンから光学的文字認識を改善するために,超解像を前処理ステップとして活用する可能性を検討する。 そこで本研究では,単一画像の超解像のための深層ネットワークをタスク駆動方式で訓練し,テキスト検出のための適応性を高めることを提案する。
  論文  参考訳（メタデータ） (2024-07-12T05:18:26Z)
• FuseSR: Super Resolution for Real-time Rendering through Efficient Multi-resolution Fusion [38.67110413800048]
  最も一般的な解決策の1つは、レンダリングオーバーヘッドを減らすために、低解像度で画像をレンダリングすることである。 本稿では,高品質なアップサンプル再構成を予測できる効率的かつ効率的な超解像法を提案する。 実験の結果,提案手法は時間的に一貫した再構築を4倍の4倍の4倍の4倍の4倍の4倍の8倍の8倍のアップサンプリングをリアルタイムに行うことができることがわかった。
  論文  参考訳（メタデータ） (2023-10-15T04:01:05Z)
• Rethinking Resolution in the Context of Efficient Video Recognition [49.957690643214576]
  クロスレゾリューションKD(ResKD)は、低解像度フレームでの認識精度を高めるための単純だが効果的な方法である。 我々は,最先端アーキテクチャ,すなわち3D-CNNとビデオトランスフォーマーに対して,その効果を広く示す。
  論文  参考訳（メタデータ） (2022-09-26T15:50:44Z)
• Dynamic Low-Resolution Distillation for Cost-Efficient End-to-End Text Spotting [49.33891486324731]
  コスト効率の高い動的低分解能蒸留(DLD)テキストスポッティングフレームワークを提案する。 それは、小さなが認識可能な解像度で画像を推測し、精度と効率のバランスを改善することを目的としている。 提案手法はエンド・ツー・エンドを最適化し,既存のテキストスポッティング・フレームワークに実装することで,実践性を向上させる。
  論文  参考訳（メタデータ） (2022-07-14T06:49:59Z)
• Total Variation Optimization Layers for Computer Vision [130.10996341231743]
  コンピュータビジョンのためのレイヤとして,全変動(TV)最小化を提案する。 画像処理における全変動の成功により、我々は、層としてのテレビがディープネットに有用な帰納バイアスを与えるという仮説を立てた。 本仮説は,画像分類,弱教師付き物体の局所化,エッジ保存平滑化,エッジ検出,画像復調という5つのコンピュータビジョンタスクについて検討する。
  論文  参考訳（メタデータ） (2022-04-07T17:59:27Z)
• Universal and Flexible Optical Aberration Correction Using Deep-Prior Based Deconvolution [51.274657266928315]
  そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。 具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
  論文  参考訳（メタデータ） (2021-04-07T12:00:38Z)
• Analysis and evaluation of Deep Learning based Super-Resolution algorithms to improve performance in Low-Resolution Face Recognition [0.0]
  超解像アルゴリズムは、関係する被験者の識別特性を回復することができる。 このプロジェクトは、顔の超解像のタスクのための異なるディープニューラルネットワークアーキテクチャを評価し、適応することを目的とした。 実験により、一般的なスーパーレゾリューションアーキテクチャは、高レゾリューション顔で訓練されたディープニューラルネットワークのフェイス検証性能を向上させることが判明した。
  論文  参考訳（メタデータ） (2021-01-19T02:41:57Z)
• End-to-end Full Projector Compensation [81.19324259967742]
  完全なプロジェクター補償は、プロジェクター入力画像を変更して、プロジェクター表面の幾何学的および測光的乱れを補償することを目的としている。 本稿では,この2つの問題を共同で解くために,CompenNeSt++というエンド・ツー・エンドの微分可能な最初のソリューションを提案する。
  論文  参考訳（メタデータ） (2020-07-30T18:23:52Z)

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。