論文の概要: TGTM: TinyML-based Global Tone Mapping for HDR Sensors

• arxiv url: http://arxiv.org/abs/2405.05016v1
• Date: Wed, 8 May 2024 12:32:07 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-09 14:35:00.657703
• Title: TGTM: TinyML-based Global Tone Mapping for HDR Sensors
• Title（参考訳）: TGTM:HDRセンサのためのTinyMLによるグローバルトーンマッピング
• Authors: Peter Todorov, Julian Hartig, Jan Meyer-Siemon, Martin Fiedler, Gregor Schewior,
• Abstract要約: 本稿では,画像ヒストグラムデータに適用した軽量ニューラルネットワークを用いたHDR画像トーンマッピングに着目した。 提案手法はTGTMと呼ばれ,任意の解像度のRGB画像に対して9000FLOPSで動作する。 実験により、TGTMは実際のHDRカメラ画像における最先端の手法よりも、最大5.85dB高いPSNRを桁違いに少ない計算で上回ることを示した。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Advanced driver assistance systems (ADAS) relying on multiple cameras are increasingly prevalent in vehicle technology. Yet, conventional imaging sensors struggle to capture clear images in conditions with intense illumination contrast, such as tunnel exits, due to their limited dynamic range. Introducing high dynamic range (HDR) sensors addresses this issue. However, the process of converting HDR content to a displayable range via tone mapping often leads to inefficient computations, when performed directly on pixel data. In this paper, we focus on HDR image tone mapping using a lightweight neural network applied on image histogram data. Our proposed TinyML-based global tone mapping method, termed as TGTM, operates at 9,000 FLOPS per RGB image of any resolution. Additionally, TGTM offers a generic approach that can be incorporated to any classical tone mapping method. Experimental results demonstrate that TGTM outperforms state-of-the-art methods on real HDR camera images by up to 5.85 dB higher PSNR with orders of magnitude less computations.
• Abstract（参考訳）: 複数のカメラに頼っている高度な運転支援システム(ADAS)は、自動車技術でますます普及している。 しかし、従来の撮像センサーは、トンネル出口のような強い照明コントラストのある条件下では、ダイナミックレンジが限られているため、鮮明な画像を捉えるのに苦労している。 高ダイナミックレンジ(HDR)センサーの導入はこの問題に対処する。 しかし、HDRコンテンツをトーンマッピングによって表示可能な範囲に変換するプロセスは、ピクセルデータ上で直接実行される場合、しばしば非効率な計算につながる。 本稿では,画像ヒストグラムデータに適用した軽量ニューラルネットワークを用いたHDR画像トーンマッピングに着目した。 提案手法はTGTMと呼ばれ,任意の解像度のRGB画像に対して9000FLOPSで動作する。 さらに、TGTMは任意の古典的なトーンマッピング法に組み込むことができる一般的なアプローチを提供する。 実験により、TGTMは実際のHDRカメラ画像における最先端の手法よりも、最大5.85dB高いPSNRを桁違いに少ない計算で上回ることを示した。

関連論文リスト

• HDRT: Infrared Capture for HDR Imaging [8.208995723545502]
  本稿では,高ダイナミックレンジサーマル(HDRT, High Dynamic Range Thermal)という,別途利用可能な赤外線センサを用いたHDR取得手法を提案する。 本稿では、赤外線とSDRを組み合わせてHDR画像を生成する新しいディープニューラルネットワーク(HDRTNet)を提案する。 オーバー露光画像とアンダー露光画像の量的および定性的な品質向上を示すとともに,複数の異なる照明条件下での撮影に頑健であることを示す。
  論文  参考訳（メタデータ） (2024-06-08T13:43:44Z)
• Simple Image Signal Processing using Global Context Guidance [56.41827271721955]
  ディープラーニングベースのISPは、深層ニューラルネットワークを使用してRAW画像をDSLRライクなRGBイメージに変換することを目指している。 我々は,全RAW画像からグローバルなコンテキスト情報をキャプチャするために,任意のニューラルISPに統合可能な新しいモジュールを提案する。 本モデルでは,多種多様な実スマートフォン画像を用いて,様々なベンチマークで最新の結果が得られる。
  論文  参考訳（メタデータ） (2024-04-17T17:11:47Z)
• Event-based Asynchronous HDR Imaging by Temporal Incident Light Modulation [54.64335350932855]
  我々は,HDRイメージングの課題に関する重要な知見に基づいて,Pixel-Asynchronous HDRイメージングシステムを提案する。 提案システムでは,DVS(Dynamic Vision Sensors)とLCDパネルを統合する。 LCDパネルは、その透過性を変化させてDVSの照射インシデントを変調し、ピクセル非依存のイベントストリームをトリガーする。
  論文  参考訳（メタデータ） (2024-03-14T13:45:09Z)
• Towards High-quality HDR Deghosting with Conditional Diffusion Models [88.83729417524823]
  高ダイナミックレンジ(LDR)画像は、既存のディープニューラルネットワーク(DNN)技術により、複数の低ダイナミックレンジ(LDR)画像から復元することができる。 DNNは、LDR画像が飽和度と大きな動きを持つ場合、ゴーストアーティファクトを生成する。 拡散モデルの条件としてLDR特徴を利用する画像生成としてHDRデゴースト問題を定式化する。
  論文  参考訳（メタデータ） (2023-11-02T01:53:55Z)
• Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in Dynamic Scenes [58.66427721308464]
  Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。 Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-10-03T07:10:49Z)
• 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)
• Joint tone mapping and denoising of thermal infrared images via multi-scale Retinex and multi-task learning [6.469120003158514]
  16bppの熱赤外画像のトーンマッピングアルゴリズムについて検討した。 最適化されたマルチスケールRetinexアルゴリズムは、人気のあるU-Netアーキテクチャに基づくディープラーニングアプローチで近似される。 トーンマッピング後の画像の残音は、自己教師付きディープラーニングアプローチを用いて暗黙的に低減される。
  論文  参考訳（メタデータ） (2023-05-01T07:14:32Z)
• GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
  そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。 鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。 実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
  論文  参考訳（メタデータ） (2022-11-22T15:42:08Z)
• MantissaCam: Learning Snapshot High-dynamic-range Imaging with Perceptually-based In-pixel Irradiance Encoding [39.78877654934457]
  ハイダイナミックレンジ(HDR)画像は多くのコンピュータビジョンアプリケーションにおいて不可欠である。 ここでは、従来の照射アンラッピング法よりも優れたニューラルネットワークベースのアルゴリズムを設計する。 プログラム可能なセンサで実装したプロトタイプMantissaCamの予備的な結果を示す。
  論文  参考訳（メタデータ） (2021-12-09T21:32:10Z)
• Wavelet-Based Network For High Dynamic Range Imaging [64.66969585951207]
  光学フローベースやエンド・ツー・エンドのディープラーニングベースのソリューションのような既存の方法は、詳細な復元やゴーストを除去する際にエラーを起こしやすい。 本研究では、周波数領域でHDR融合を行うための新しい周波数誘導型エンド・ツー・エンドディープニューラルネットワーク(FNet)を提案し、ウェーブレット変換(DWT)を用いて入力を異なる周波数帯域に分解する。 低周波信号は特定のゴーストアーティファクトを避けるために使用され、高周波信号は詳細を保存するために使用される。
  論文  参考訳（メタデータ） (2021-08-03T12:26:33Z)
• The Modulo Radon Transform: Theory, Algorithms and Applications [12.055044544892903]
  本稿では,MRT(Modulo Radon Transform)に基づく新しいモデルを提案する。 ハードウェアとアルゴリズムのジョイントデザインを活用することで,単発HDRトモグラフィー手法を提案する。 本ソリューションは,HDR 取得の道のりを,多くの関連画像問題に適用する。
  論文  参考訳（メタデータ） (2021-05-10T08:38:48Z)

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。