論文の概要: Learning Novel View Synthesis from Heterogeneous Low-light Captures

• arxiv url: http://arxiv.org/abs/2403.13337v1
• Date: Wed, 20 Mar 2024 06:44:26 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-21 17:48:13.153707
• Title: Learning Novel View Synthesis from Heterogeneous Low-light Captures
• Title（参考訳）: 不均質な低照度キャプチャーから新しいビュー合成を学ぶ
• Authors: Quan Zheng, Hao Sun, Huiyao Xu, Fanjiang Xu,
• Abstract要約: 我々は、不均一なビュー間で反射率が不変であるように、入力ビューから照明、反射、ノイズを分解することを提案する。 多視点にわたる異種輝度とノイズレベルに対処するために,照明の埋め込みを学習し,各ビューに対して個別にノイズマップを最適化する。
• 参考スコア（独自算出の注目度）: 7.888623669945243
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Neural radiance field has achieved fundamental success in novel view synthesis from input views with the same brightness level captured under fixed normal lighting. Unfortunately, synthesizing novel views remains to be a challenge for input views with heterogeneous brightness level captured under low-light condition. The condition is pretty common in the real world. It causes low-contrast images where details are concealed in the darkness and camera sensor noise significantly degrades the image quality. To tackle this problem, we propose to learn to decompose illumination, reflectance, and noise from input views according to that reflectance remains invariant across heterogeneous views. To cope with heterogeneous brightness and noise levels across multi-views, we learn an illumination embedding and optimize a noise map individually for each view. To allow intuitive editing of the illumination, we design an illumination adjustment module to enable either brightening or darkening of the illumination component. Comprehensive experiments demonstrate that this approach enables effective intrinsic decomposition for low-light multi-view noisy images and achieves superior visual quality and numerical performance for synthesizing novel views compared to state-of-the-art methods.
• Abstract（参考訳）: ニューラルラディアンス場は、固定された常照光の下で取得された同じ明るさの入力ビューから、新しいビュー合成において、根本的な成功を収めた。 残念なことに、新しいビューを合成することは、低照度条件下で取得した均一な輝度レベルを持つ入力ビューにとって、依然として課題である。 現実の世界では、この状態はかなり一般的です。 暗いところで細部が隠され、カメラセンサーのノイズによって画質が著しく低下する低コントラスト画像を引き起こす。 この問題に対処するために、不均一な視点で反射率が不変であるような入力ビューから照明、反射、ノイズを分解する学習法を提案する。 多視点にわたる異種輝度とノイズレベルに対処するために,照明の埋め込みを学習し,各ビューに対して個別にノイズマップを最適化する。 照明の直感的な編集を可能にするため,照明部品の明るくしたり暗くしたりするための照明調整モジュールを設計する。 総合的な実験により、この手法は低照度多視点雑音画像に対して効果的な内在分解を可能にし、最先端の手法と比較して、新しいビューを合成するための優れた視覚的品質と数値的性能を実現することが示されている。

関連論文リスト

• Sampling for View Synthesis: From Local Light Field Fusion to Neural Radiance Fields and Beyond [27.339452004523082]
  局所光電場融合は、サンプルビューの不規則なグリッドから現実的なビュー合成を行うアルゴリズムを提案する。 我々は、最大4000倍のビューを用いて、Nyquistレートビューサンプリングの知覚品質を実現する。 スパースおよび単一画像ビュー合成に関する最近の研究結果のいくつかを再現する。
  論文  参考訳（メタデータ） (2024-08-08T16:56:03Z)
• 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)
• WildLight: In-the-wild Inverse Rendering with a Flashlight [77.31815397135381]
  本研究では、未知の環境光下での逆レンダリングのための実用的な測光ソリューションを提案する。 本システムは,スマートフォンで撮影した多視点画像のみを用いて,シーン形状と反射率を復元する。 提案手法は実装が容易で,セットアップも容易で,既存の逆レンダリング技術よりも一貫して優れていることを示す。
  論文  参考訳（メタデータ） (2023-03-24T17:59:56Z)
• Few-shot Neural Radiance Fields Under Unconstrained Illumination [40.384916810850385]
  入力された多視点画像と様々な照明条件を限定した実用的な環境下での新規ビューイメージの合成に挑戦する。 このタスクの先駆的な作業の1つであるNeRFは、制約された照明下で撮影された多視点画像の広範なセットを要求する。 我々は,多視点アルベド整合性を利用したExtremeNeRFを提案する。
  論文  参考訳（メタデータ） (2023-03-21T10:32:27Z)
• Neural Radiance Transfer Fields for Relightable Novel-view Synthesis with Global Illumination [63.992213016011235]
  本稿では,ニューラル計算された放射光伝達関数を学習し,新しい視点下でのシーンリライティング手法を提案する。 本手法は,1つの未知の照明条件下で,シーンの実際の画像に対してのみ監視することができる。 その結果, シーンパラメータのアンタングルの復元は, 現状よりも有意に向上していることがわかった。
  論文  参考訳（メタデータ） (2022-07-27T16:07:48Z)
• Low-light Image Enhancement via Breaking Down the Darkness [8.707025631892202]
  本稿では,分割・ルール原理に触発された新しい枠組みを提案する。 本稿では,RGB空間から輝度クロミナンス画像に変換することを提案する。 調整可能なノイズ抑制ネットワークは、輝度が明るくなるときにノイズを取り除くように設計されている。 強化された輝度はさらに、色マッパーが現実的な色を生成するためのガイダンスとなる。
  論文  参考訳（メタデータ） (2021-11-30T16:50:59Z)
• Neural Light Transport for Relighting and View Synthesis [70.39907425114302]
  シーンの光輸送(LT)は、異なる照明と視界の方向の下でどのように見えるかを記述する。 本研究では、既知の幾何学的性質のテクスチャアトラスに埋め込まれたLTの神経表現を学習するための半パラメトリック手法を提案する。 照明条件下では,従来観測されていた照度と視界を融合させて,同じシーンの新たなイメージを合成する方法を示す。
  論文  参考訳（メタデータ） (2020-08-09T20:13:15Z)
• Crowdsampling the Plenoptic Function [56.10020793913216]
  このようなデータから時間変動照明下での新しいビュー合成手法を提案する。 本稿では,新しいDeepMPI表現について紹介する。 本手法は従来のMPI法と同等のパララックスとビュー依存効果を合成し, 反射率の変化と光の時間変化を同時に補間する。
  論文  参考訳（メタデータ） (2020-07-30T02:52:10Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• 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。