論文の概要: Neural Augmentation Based Panoramic High Dynamic Range Stitching

• arxiv url: http://arxiv.org/abs/2409.04679v1
• Date: Sat, 7 Sep 2024 02:16:19 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-10 21:14:48.244101
• Title: Neural Augmentation Based Panoramic High Dynamic Range Stitching
• Title（参考訳）: 神経増幅によるパノラマ高ダイナミックレンジスチッチ
• Authors: Chaobing Zheng, Yilun Xu, Weihai Chen, Shiqian Wu, Zhengguo Li,
• Abstract要約: 本稿では, 神経拡張に基づくパノラマHDR縫合法を提案する。 提案アルゴリズムは既存のパノラマ縫合アルゴリズムより優れている。 実験により,提案アルゴリズムは既存のパノラマ縫合アルゴリズムより優れていることが示された。
• 参考スコア（独自算出の注目度）: 30.47155955320407
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Due to saturated regions of inputting low dynamic range (LDR) images and large intensity changes among the LDR images caused by different exposures, it is challenging to produce an information enriched panoramic LDR image without visual artifacts for a high dynamic range (HDR) scene through stitching multiple geometrically synchronized LDR images with different exposures and pairwise overlapping fields of views (OFOVs). Fortunately, the stitching of such images is innately a perfect scenario for the fusion of a physics-driven approach and a data-driven approach due to their OFOVs. Based on this new insight, a novel neural augmentation based panoramic HDR stitching algorithm is proposed in this paper. The physics-driven approach is built up using the OFOVs. Different exposed images of each view are initially generated by using the physics-driven approach, are then refined by a data-driven approach, and are finally used to produce panoramic LDR images with different exposures. All the panoramic LDR images with different exposures are combined together via a multi-scale exposure fusion algorithm to produce the final panoramic LDR image. Experimental results demonstrate the proposed algorithm outperforms existing panoramic stitching algorithms.
• Abstract（参考訳）: 低ダイナミックレンジ(LDR)画像を入力する飽和領域と、異なる露光によるLDR画像の大きな強度変化のため、複数の幾何学的に同期されたLDR画像を異なる露光と一対の重なり合う視野(OFOV)で縫合することにより、視覚的アーティファクト(HDR)シーンのために、情報豊かにパノラマLDR画像を生成することは困難である。 幸いなことに、このような画像の縫合は、本来は物理駆動アプローチとデータ駆動アプローチの融合に最適なシナリオである。 この新たな知見に基づき, 神経拡張に基づくパノラマHDR縫合法を提案する。 物理駆動のアプローチはOFOVを使って構築されている。 各ビューの異なる露光画像は、まず物理駆動のアプローチを用いて生成され、次にデータ駆動のアプローチによって洗練され、最終的に異なる露光でパノラマLDR画像を生成するために使用される。 露光の異なるパノラマLDR画像は、多スケールの露光融合アルゴリズムによって結合され、最終的なパノラマLDR画像を生成する。 実験により,提案アルゴリズムは既存のパノラマ縫合アルゴリズムより優れていることが示された。

関連論文リスト

• Semantic Aware Diffusion Inverse Tone Mapping [5.65968650127342]
  逆トーンマッピングによる高ダイナミックレンジ(HDR)へのキャプチャー標準ダイナミックレンジ(SDR)画像のアップの試み 本稿では,SDR画像をHDRにマッピングする新たな逆トーンマッピング手法を提案する。
  論文  参考訳（メタデータ） (2024-05-24T11:44:22Z)
• 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)
• Pano-NeRF: Synthesizing High Dynamic Range Novel Views with Geometry from Sparse Low Dynamic Range Panoramic Images [82.1477261107279]
  そこで本研究では,Sparse LDRパノラマ画像からの照射場を用いて,忠実な幾何復元のための観測回数を増やすことを提案する。 実験により、照射場は幾何復元とHDR再構成の両方において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） (2023-12-26T08:10:22Z)
• 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)
• Multi-Exposure HDR Composition by Gated Swin Transformer [8.619880437958525]
  本稿では,Swin Transformerに基づく新しいマルチ露光融合モデルを提案する。 露光空間ピラミッドにおける遠距離文脈依存性を自己認識機構により活用する。 実験により,本モデルが現在のマルチ露光HDR画像モデルと同等の精度が得られることが示された。
  論文  参考訳（メタデータ） (2023-03-15T15:38:43Z)
• 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)
• StyleLight: HDR Panorama Generation for Lighting Estimation and Editing [98.20167223076756]
  単一視野(LFOV)画像から高ダイナミックレンジ(GAN)屋内パノラマ光を生成するための新しい照明推定・編集フレームワークを提案する。 本フレームワークは室内照明推定における最先端手法よりも優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-07-29T17:58:58Z)
• FlexHDR: Modelling Alignment and Exposure Uncertainties for Flexible HDR Imaging [0.9185931275245008]
  高品質なHDR結果を生成するためにアライメントと露出の不確かさをモデル化する新しいHDRイメージング技術を提案する。 本研究では,HDRを意識した不確実性を考慮したアライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・アライメント・ 実験結果から,本手法は最先端の高画質HDR画像を最大0.8dBPSNRで生成できることがわかった。
  論文  参考訳（メタデータ） (2022-01-07T14:27:17Z)
• PAS-MEF: Multi-exposure image fusion based on principal component analysis, adaptive well-exposedness and saliency map [0.0]
  通常の低ダイナミックレンジ(LDR)キャプチャ/表示装置では、大きなダイナミックレンジの自然シーンのため、画像に重要な詳細が保存されない場合がある。 本研究では, 簡便かつ効果的な重み抽出法を用いて, 効率的なマルチ露光融合(MEF)手法を提案する。 既存の手法と実験的に比較した結果,提案手法は非常に強い統計的および視覚的結果が得られた。
  論文  参考訳（メタデータ） (2021-05-25T10:22:43Z)
• Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
  本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。 我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。 提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-04-02T17:59:04Z)

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。