論文の概要: Towards Image Ambient Lighting Normalization
- arxiv url: http://arxiv.org/abs/2403.18730v1
- Date: Wed, 27 Mar 2024 16:20:55 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-28 16:09:33.695707
- Title: Towards Image Ambient Lighting Normalization
- Title(参考訳): イメージアンビエント照明正規化に向けて
- Authors: Florin-Alexandru Vasluianu, Tim Seizinger, Zongwei Wu, Rakesh Ranjan, Radu Timofte,
- Abstract要約: 環境照明正規化(ALN)は、より広い文脈で影間の相互作用を研究し、画像復元と影除去を統一する。
ベンチマークでは、様々な主流手法を選択し、Ambient6K上でそれらを厳格に評価する。
IFBlendは、Ambient6K上でSOTAスコアを達成し、従来のシャドウ除去ベンチマークで競合性能を示す。
- 参考スコア(独自算出の注目度): 47.42834070783831
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Lighting normalization is a crucial but underexplored restoration task with broad applications. However, existing works often simplify this task within the context of shadow removal, limiting the light sources to one and oversimplifying the scene, thus excluding complex self-shadows and restricting surface classes to smooth ones. Although promising, such simplifications hinder generalizability to more realistic settings encountered in daily use. In this paper, we propose a new challenging task termed Ambient Lighting Normalization (ALN), which enables the study of interactions between shadows, unifying image restoration and shadow removal in a broader context. To address the lack of appropriate datasets for ALN, we introduce the large-scale high-resolution dataset Ambient6K, comprising samples obtained from multiple light sources and including self-shadows resulting from complex geometries, which is the first of its kind. For benchmarking, we select various mainstream methods and rigorously evaluate them on Ambient6K. Additionally, we propose IFBlend, a novel strong baseline that maximizes Image-Frequency joint entropy to selectively restore local areas under different lighting conditions, without relying on shadow localization priors. Experiments show that IFBlend achieves SOTA scores on Ambient6K and exhibits competitive performance on conventional shadow removal benchmarks compared to shadow-specific models with mask priors. The dataset, benchmark, and code are available at https://github.com/fvasluianu97/IFBlend.
- Abstract(参考訳): 照明の正規化は、広範囲の応用において重要だが未調査の修復作業である。
しかし、既存の研究はしばしば影の除去の文脈でこのタスクを単純化し、光源を1つに制限し、シーンを単純化し、複雑な自己陰影を除外し、表面クラスを滑らかなものに制限する。
有望ではあるが、そのような単純化は日常的に遭遇するより現実的な設定への一般化を妨げている。
本稿では,より広義の環境下での影の相互作用,画像復元,影の除去などを研究することを目的とした,Ambient Lighting Normalization (ALN) という課題を提案する。
ALNの適切なデータセットの欠如に対処するために,複数の光源から得られたサンプルと,その種の最初の複雑な地形から得られた自己陰影を含む,大規模高解像度データセットであるAmbient6Kを導入する。
ベンチマークでは、様々な主流手法を選択し、Ambient6K上でそれらを厳格に評価する。
さらに,異なる照明条件下で局所領域を選択的に復元するための画像周波数結合エントロピーを最大化し,影の局所化に頼らずに新たな強基線であるIFBlendを提案する。
実験の結果,IFBlendはAmbient6KのSOTAスコアを達成し,マスク先行のシャドウ固有モデルと比較して従来のシャドウ除去ベンチマーク上での競合性能を示した。
データセット、ベンチマーク、コードはhttps://github.com/fvasluianu97/IFBlendで公開されている。
関連論文リスト
- Harmonizing Light and Darkness: A Symphony of Prior-guided Data Synthesis and Adaptive Focus for Nighttime Flare Removal [44.35766203309201]
インセンス光源は、夜間に撮影画像にフレアを発生させることが多く、視覚的品質を劣化させ、下流の用途に悪影響を及ぼす。
効果的なフレア除去ネットワークをトレーニングするためには、信頼できるデータセットが不可欠である。
フレアの明るさが照明法則に合致するマルチフレア画像を含むフレア7K*という先行誘導型データセットを合成する。
クリーンな背景領域を適応的にマスキングし,フレアに強く影響された領域にフォーカスするモデルを支援するためのプラグイン・アンド・プレイ適応型フォーカス・モジュール (AFM) を提案する。
論文 参考訳(メタデータ) (2024-03-30T10:37:56Z) - GS-IR: 3D Gaussian Splatting for Inverse Rendering [71.14234327414086]
3次元ガウス散乱(GS)に基づく新しい逆レンダリング手法GS-IRを提案する。
我々は、未知の照明条件下で撮影された多視点画像からシーン形状、表面物質、環境照明を推定するために、新しいビュー合成のための最高のパフォーマンス表現であるGSを拡張した。
フレキシブルかつ表現力のあるGS表現は、高速かつコンパクトな幾何再構成、フォトリアリスティックな新規ビュー合成、有効物理ベースレンダリングを実現する。
論文 参考訳(メタデータ) (2023-11-26T02:35:09Z) - NeISF: Neural Incident Stokes Field for Geometry and Material Estimation [50.588983686271284]
多視点逆レンダリングは、異なる視点で撮影された一連の画像から形状、材料、照明などのシーンパラメータを推定する問題である。
本稿では,偏光手がかりを用いた曖昧さを低減する多視点逆フレームワークNeISFを提案する。
論文 参考訳(メタデータ) (2023-11-22T06:28:30Z) - SIRe-IR: Inverse Rendering for BRDF Reconstruction with Shadow and
Illumination Removal in High-Illuminance Scenes [51.50157919750782]
本稿では,環境マップ,アルベド,粗さにシーンを分解する暗黙のニューラルレンダリング逆アプローチSIRe-IRを提案する。
間接放射場、通常光、可視光、および直接光を同時に正確にモデル化することにより、影と間接光の両方を除去することができる。
強い照明の存在下でも,影の干渉を伴わずに高品質なアルベドと粗さを回収する。
論文 参考訳(メタデータ) (2023-10-19T10:44:23Z) - Unsupervised network for low-light enhancement [27.052207978537098]
監視ネットワークは、ペア画像を用いた低照度化の課題に対処する。
文脈誘導照明適応規範(CIN)を用いた教師なし低照度化ネットワークを提案する。
また、低照度画像から複数の強調画像を生成することができる領域適応型単一入力多重出力(SIMO)モデルを提案する。
論文 参考訳(メタデータ) (2023-06-05T13:52:08Z) - TensoIR: Tensorial Inverse Rendering [51.57268311847087]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳(メタデータ) (2023-04-24T21:39:13Z) - Contextual colorization and denoising for low-light ultra high
resolution sequences [0.0]
低光度画像のシーケンスは、通常、非一貫性のノイズ、フリック、オブジェクトや動くオブジェクトのぼやけに苦しむ。
我々はこれらの問題に,同時着色と着色を同時に行う未経験学習手法で対処する。
提案手法は,主観的品質の観点から既存手法よりも優れており,輝度レベルや雑音の変動に頑健であることを示す。
論文 参考訳(メタデータ) (2021-01-05T15:35:29Z) - Intrinsic Decomposition of Document Images In-the-Wild [28.677728405031782]
本稿では,本質的な画像形成に基づく文書反射率を直接推定する学習手法を提案する。
提案アーキテクチャは, 合成テクスチャのみを弱い訓練信号として用いる自己教師型方式で機能する。
OCRパイプラインの前処理ステップとして使用する反射率推定方式は,文字誤り率を26%向上させる。
論文 参考訳(メタデータ) (2020-11-29T21:39:58Z) - 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。