論文の概要: FastHDRNet: A new efficient method for SDR-to-HDR Translation
- arxiv url: http://arxiv.org/abs/2404.04483v1
- Date: Sat, 6 Apr 2024 03:25:24 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-09 21:08:32.768026
- Title: FastHDRNet: A new efficient method for SDR-to-HDR Translation
- Title（参考訳）: FastHDRNet: SDR-to-HDR翻訳のための新しい効率的な方法
- Authors: Siyuan Tian, Hao Wang, Yiren Rong, Junhao Wang, Renjie Dai, Zhengxiao He,
- Abstract要約: 我々は「FastNet」と呼ばれるHDRTV変換のためのSDRTVのためのニューラルネットワークを提案する。
提案手法は,軽量な構造と改良された推論速度を用いて,定量的比較と視覚的品質の両面で最先端の性能を実現する。
- 参考スコア（独自算出の注目度）: 5.224011800476952
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Modern displays nowadays possess the capability to render video content with a high dynamic range (HDR) and an extensive color gamut (WCG).However, the majority of available resources are still in standard dynamic range(SDR). Therefore, we need to identify an effective methodology for this objective.The existing deep neural network (DNN) based SDR(Standard dynamic range) to HDR (High dynamic range) conversion methods outperform conventional methods, but they are either too large to implement or generate some terrible artifacts. We propose a neural network for SDRTV to HDRTV conversion, termed "FastHDRNet". This network includes two parts, Adaptive Universal Color Transformation and Local Enhancement.The architecture is designed as a lightweight network that utilizes global statistics and local information with super high efficiency. After the experiment, we find that our proposed method achieve state-of-the-art performance in both quantitative comparisons and visual quality with a lightweight structure and a enhanced infer speed.
- Abstract（参考訳）: 現代のディスプレイは、高ダイナミックレンジ(HDR)と広色域(WCG)で映像コンテンツをレンダリングする機能を持っている。
しかし、利用可能なリソースの大部分は、まだ標準動的範囲(SDR)にある。
既存のディープニューラルネットワーク(DNN)をベースとしたSDR(Standard dynamic range)からHDR(High dynamic range)への変換手法は,従来の手法よりも優れているが,実装やひどい成果物を生成するには大きすぎる。
本稿では,HDRTV変換のためのニューラルネットワーク「FastHDRNet」を提案する。
アダプティブユニバーサルカラートランスフォーメーション(Adaptive Universal Color Transformation)とローカルエンハンスメント(Local Enhancement)の2つの部分を含むこのネットワークは,グローバル統計とローカル情報を超高効率で活用する軽量ネットワークとして設計されている。
実験の結果,提案手法は,軽量な構造と改良された推論速度を用いて,定量的比較と視覚的品質の両面において,最先端の性能を達成できることが判明した。
関連論文リスト
- HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting [76.5908492298286]
既存のHDR NVS法は主にNeRFに基づいている。
訓練時間は長く、推論速度は遅い。
我々は新しいフレームワークHigh Dynamic Range Gaussian Splatting (-GS)を提案する。
論文 参考訳（メタデータ） (2024-05-24T00:46:58Z) - Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
近年の拡散モデル (DM) はHDRイメージング分野に導入されている。
DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。
ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
論文 参考訳（メタデータ） (2024-04-01T01:32:11Z) - Towards Efficient SDRTV-to-HDRTV by Learning from Image Formation [51.26219245226384]
モダンディスプレイは、高ダイナミックレンジ(WCG)と広色域(SDR)で映像コンテンツをレンダリングすることができる
利用可能なリソースの大部分は、まだ標準動的範囲(SDR)にある。
我々は、SDRTV/TVコンテンツの形成をモデル化し、SDRTV-to-TVタスクを定義し、分析する。
本手法は主に超高精細テレビコンテンツ向けに設計されており、4K解像度画像の処理に有効で軽量である。
論文 参考訳（メタデータ） (2023-09-08T02:50:54Z) - ArtHDR-Net: Perceptually Realistic and Accurate HDR Content Creation [12.45632443397018]
単一露光または多露光LDRを入力した低ダイナミックレンジ(LDR)画像/ビデオのHDR対応を再現する多くの手法が提案されている。
これらのアプローチは、人間の視覚的知覚の観点から、画像の芸術的意図を保存することに重点を置いていない。
マルチ露光LDRを入力として使用するArt-Netアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-09-07T16:40:49Z) - Lightweight Improved Residual Network for Efficient Inverse Tone Mapping [30.049931061503276]
インターネット上のほとんどのメディア画像は8ビット標準ダイナミックレンジ(SDR)フォーマットのままである。
逆トーンマッピング(ITM)は、豊富なメディア画像の潜在能力を最大限に活用するために重要である。
我々は,効率的なIMMを実現するために,一般的な残差ブロックのパワーを増強し,軽量な改良された残差ネットワーク(IRNet)を提案する。
論文 参考訳（メタデータ） (2023-07-08T15:43:49Z) - SMAE: Few-shot Learning for HDR Deghosting with Saturation-Aware Masked
Autoencoders [97.64072440883392]
そこで本研究では,SSHDRと呼ばれる2段階の訓練を通した短距離HDRイメージングを実現するための,新しい半教師付きアプローチを提案する。
以前の方法とは異なり、コンテンツを直接回復し、ゴーストを同時に除去することは、最適に達成することが難しい。
実験により、SSHDRは異なるデータセットの内外における定量的かつ定性的に最先端の手法より優れていることが示された。
論文 参考訳（メタデータ） (2023-04-14T03:42:51Z) - High Dynamic Range Imaging with Context-aware Transformer [3.1892103878735454]
ゴーストフリー画像のための新しい階層型デュアルトランス (HDT) 手法を提案する。
まず、空間的注意機構を備えたCNNベースのヘッドを用いて、すべてのLDR画像から特徴を抽出する。
第二に、LDR機能はTransformerに配信され、局所的な詳細はチャネルアテンション機構を用いて抽出される。
論文 参考訳（メタデータ） (2023-04-10T06:56:01Z) - Learning a Practical SDR-to-HDRTV Up-conversion using New Dataset and
Degradation Models [4.0336006284433665]
メディア業界では、HDR-WCG(ハイダイナミックレンジワイドカラーガム)を使用すると、SDR-TVアップコンバージョンが要求される。
現在の手法では、薄暗く不飽和な結果をもたらす傾向があり、視聴体験をほとんど改善しない。
我々は,新しいHDRTVデータセット(HDRTV4K)と新しいHDR-to-SDRモデルを提案する。
論文 参考訳（メタデータ） (2023-03-23T04:40:33Z) - LHDR: HDR Reconstruction for Legacy Content using a Lightweight DNN [4.784524967912113]
そこで本研究では,従来のSDRコンテンツにより多くの劣化型で対処するための軽量な手法を提案する。
実験の結果,提案手法は計算コストを最小限に抑えられる性能に到達した。
論文 参考訳（メタデータ） (2022-11-21T09:05:20Z) - Real Image Super Resolution Via Heterogeneous Model Ensemble using
GP-NAS [63.48801313087118]
本稿では,高密度スキップ接続を有するディープ残差ネットワークを用いた画像超解像法を提案する。
提案手法は、AIM 2020 Real Image Super-Resolution Challengeの3トラックで1位を獲得した。
論文 参考訳（メタデータ） (2020-09-02T22:33:23Z) - HDR-GAN: HDR Image Reconstruction from Multi-Exposed LDR Images with
Large Motions [62.44802076971331]
マルチ露光LDR画像からHDR画像を合成するための新しいGANモデルHDR-GANを提案する。
本手法は,敵対学習を取り入れることで,欠落したコンテンツのある領域に忠実な情報を生成することができる。
論文 参考訳（メタデータ） (2020-07-03T11:42:35Z)
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。