論文の概要: Image Demoireing in RAW and sRGB Domains
- arxiv url: http://arxiv.org/abs/2312.09063v1
- Date: Thu, 14 Dec 2023 16:00:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-15 21:15:22.768341
- Title: Image Demoireing in RAW and sRGB Domains
- Title(参考訳): RAW領域とsRGB領域における画像復号化
- Authors: Shuning Xu, Binbin Song, Xiangyu Chen, Jiantao Zhou
- Abstract要約: Moirのパターンは、スマートフォンやカメラで画面をキャプチャするときに頻繁に現れ、画像の品質を損なう可能性がある。
これまでの研究では、RAWドメインにおけるモワールパターンの除去は、sRGBドメインにおけるデシアルの除去よりも効率が高いことが示唆された。
スマートフォンとデジタルカメラの両方で容易にアクセス可能なRAWデータとsRGBデータ(RRID)を併用した画像復号処理を提案する。
- 参考スコア(独自算出の注目度): 20.282217209520006
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Moir\'e patterns frequently appear when capturing screens with smartphones or
cameras, potentially compromising image quality. Previous studies suggest that
moir\'e pattern elimination in the RAW domain offers greater efficiency
compared to demoir\'eing in the sRGB domain. Nevertheless, relying solely on
raw data for image demoir\'eing is insufficient in mitigating color cast due to
the absence of essential information required for color correction by the Image
Signal Processor (ISP). In this paper, we propose perform Image Demoir\'eing
concurrently utilizing both RAW and sRGB data (RRID), which is readily
accessible in both smartphones and digital cameras. We develop
Skip-Connection-based Demoir\'eing Module (SCDM) with specific modules embeded
in skip-connections for the efficient and effective demoir\'eing of RAW and
sRGB features, respectively. Subsequently, we propose RGB Guided Image Signal
Processor (RGISP) to incorporate color information from coarsely demoir\'ed
sRGB features during the ISP stage, assisting the process of color recovery.
Extensive experiments demonstrate that our RRID outperforms state-of-the-art
approaches by 0.62dB in PSNR and 0.003 in SSIM, exhibiting superior performance
both in moir\'e pattern removal and color cast correction.
- Abstract(参考訳): moir\'eパターンは、スマートフォンやカメラでスクリーンを撮影するときに頻繁に現れ、画質を損なう可能性がある。
これまでの研究では、RAWドメインのmoir\'eパターンの除去は、sRGBドメインのdesignir\'eingよりも効率が良いことが示唆されている。
しかし,画像信号処理装置(isp)による色補正に必要な必須情報がないため,画像復調のための生データのみに頼るだけではカラーキャストの緩和が不十分である。
本稿では,スマートフォンとデジタルカメラの両方でアクセス可能なRAWデータとsRGBデータ(RRID)を同時利用した画像復号処理を提案する。
我々は,raw と srgb の機能の効率良く効果的な demoir\'eing のために,skip-connection を組み込んだscdm (skip-connection-based demoir\'eing module) を開発した。
次に,RGB Guided Image Signal Processor (RGISP) を提案する。
以上の結果より,PSNRでは0.62dB,SSIMでは0.003Bであり,モアレパターン除去とカラーキャスト補正の両面で優れた性能を示した。
関連論文リスト
- BSRAW: Improving Blind RAW Image Super-Resolution [63.408484584265985]
RAW領域におけるブラインド画像の超解像化に取り組む。
生センサデータを用いたトレーニングモデルに特化した,現実的な劣化パイプラインを設計する。
私たちのパイプラインでトレーニングしたBSRAWモデルは、リアルタイムRAW画像をスケールアップし、品質を向上させることができます。
論文 参考訳(メタデータ) (2023-12-24T14:17:28Z) - Self-Supervised Reversed Image Signal Processing via Reference-Guided
Dynamic Parameter Selection [1.1602089225841632]
メタデータとペア画像を必要としない自己教師付き逆ISP方式を提案する。
提案手法は,RGB画像を参照RAW画像と同じセンサで同一環境で撮影されたRAWライクな画像に変換する。
提案手法は,他の最先端教師付き手法に匹敵する精度で,様々な逆ISPを学習可能であることを示す。
論文 参考訳(メタデータ) (2023-03-24T11:12:05Z) - Efficient Visual Computing with Camera RAW Snapshots [41.9863557302409]
従来のカメラはセンサ上の画像光を捕捉し、画像信号プロセッサ(ISP)を用いてRGB画像に変換する。
RAW画像にはキャプチャされた全ての情報が含まれているため、ISPを用いたRAWからRGBへの変換はビジュアルコンピューティングには必要ないと論じることができる。
RAW画像を用いた高レベルセマンティック理解と低レベル圧縮を実現するための新しい$rho$-Visionフレームワークを提案する。
論文 参考訳(メタデータ) (2022-12-15T12:54:21Z) - Reversed Image Signal Processing and RAW Reconstruction. AIM 2022
Challenge Report [109.2135194765743]
本稿では,AIM 2022 Challenge on Reversed Image Signal Processing and RAW Reconstructionを紹介する。
我々は,メタデータを使わずにRGBから生のセンサイメージを回収し,ISP変換を「逆」することを目的としている。
論文 参考訳(メタデータ) (2022-10-20T10:43:53Z) - Learning sRGB-to-Raw-RGB De-rendering with Content-Aware Metadata [46.28281823015191]
我々は,サンプリングと再構築を共同で学習することで,デレンダリングの結果を改善する方法を示す。
実験の結果,既存の手法よりも画像内容に適応し,生の再現性を向上できることがわかった。
論文 参考訳(メタデータ) (2022-06-03T20:43:17Z) - Transform your Smartphone into a DSLR Camera: Learning the ISP in the
Wild [159.71025525493354]
本稿では,スマートフォンが取得したRAW画像に基づいて,DSLRの品質画像を生成する訓練可能な画像信号処理フレームワークを提案する。
トレーニング画像ペア間の色ずれに対処するために、カラー条件ISPネットワークを使用し、各入力RAWと基準DSLR画像間の新しいパラメトリック色マッピングを最適化する。
論文 参考訳(メタデータ) (2022-03-20T20:13:59Z) - Learning RAW-to-sRGB Mappings with Inaccurately Aligned Supervision [76.41657124981549]
本稿では,画像アライメントとRAW-to-sRGBマッピングのための共同学習モデルを提案する。
実験の結果,本手法はZRRおよびSR-RAWデータセットの最先端に対して良好に動作することがわかった。
論文 参考訳(メタデータ) (2021-08-18T12:41:36Z) - Semantic-embedded Unsupervised Spectral Reconstruction from Single RGB
Images in the Wild [48.44194221801609]
この課題に対処するため、我々は、新しい軽量でエンドツーエンドの学習ベースのフレームワークを提案する。
我々は、効率的なカメラスペクトル応答関数推定により、検索されたHS画像から入力されたRGB画像と再投影されたRGB画像の差を徐々に広げる。
提案手法は最先端の教師なし手法よりも優れており,いくつかの設定下では最新の教師付き手法よりも優れている。
論文 参考訳(メタデータ) (2021-08-15T05:19:44Z) - Invertible Image Signal Processing [42.109752151834456]
InvISP(Invertible Image Signal Processing)パイプラインにより、視覚的に魅力的なsRGBイメージをレンダリングできます。
メモリのオーバーヘッドなしにsrgb画像から生データを合成する代わりに、リアルな生データを再構築できる。
論文 参考訳(メタデータ) (2021-03-28T06:30:15Z)
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。