論文の概要: BSRAW: Improving Blind RAW Image Super-Resolution
- arxiv url: http://arxiv.org/abs/2312.15487v1
- Date: Sun, 24 Dec 2023 14:17:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 17:50:36.806865
- Title: BSRAW: Improving Blind RAW Image Super-Resolution
- Title(参考訳): bsraw: ブラインドraw画像の超高解像度化
- Authors: Marcos V. Conde, Florin Vasluianu, Radu Timofte
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 63.408484584265985
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: In smartphones and compact cameras, the Image Signal Processor (ISP)
transforms the RAW sensor image into a human-readable sRGB image. Most popular
super-resolution methods depart from a sRGB image and upscale it further,
improving its quality. However, modeling the degradations in the sRGB domain is
complicated because of the non-linear ISP transformations. Despite this known
issue, only a few methods work directly with RAW images and tackle real-world
sensor degradations. We tackle blind image super-resolution in the RAW domain.
We design a realistic degradation pipeline tailored specifically for training
models with raw sensor data. Our approach considers sensor noise, defocus,
exposure, and other common issues. Our BSRAW models trained with our pipeline
can upscale real-scene RAW images and improve their quality. As part of this
effort, we also present a new DSLM dataset and benchmark for this task.
- Abstract(参考訳): スマートフォンやコンパクトカメラでは、画像信号処理装置(ISP)はRAWセンサーイメージを人間の読みやすいsRGB画像に変換する。
一般的な超解像法は、sRGB画像から分離し、さらにアップスケールし、品質を向上する。
しかし、非線形ISP変換のため、sRGB領域の劣化のモデル化は複雑である。
この既知の問題にもかかわらず、rawイメージを直接処理し、現実世界のセンサー劣化に取り組む方法はわずかである。
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。
センサノイズ,デフォーカス,露出,その他の一般的な問題を考察する。
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。
この取り組みの一環として、このタスクのための新しいDSLMデータセットとベンチマークも提示します。
関連論文リスト
- End-to-end Rain Streak Removal with RAW Images [7.2278352844025315]
降雨RAW画像からクリーンなカラー画像を得るために,降雨除去とRAW処理のための共同ソリューションを提案する。
我々は、カラーレインストリークをRAW空間に変換し、雨色画像とクリーンカラー画像の両方を合成する簡易かつ効率的なRAW処理アルゴリズムを設計することで、雨色RAWデータを生成する。
論文 参考訳(メタデータ) (2023-12-20T01:17:45Z) - 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) - Towards Low Light Enhancement with RAW Images [101.35754364753409]
我々は、低光強度でRAW画像を使用することの優位性について、最初のベンチマークを行う。
本研究では,RAW画像の特性を計測可能な因子に分解するFEM(Facterized Enhancement Model)を新たに開発した。
実アプリケーションにおけるRAW画像の利点と利用不可のトレードオフを生かしたREENet(RAW-guiding Exposure Enhancement Network)を開発した。
論文 参考訳(メタデータ) (2021-12-28T07:27:51Z) - 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) - 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。