論文の概要: Deep chroma compression of tone-mapped images

• arxiv url: http://arxiv.org/abs/2409.16032v1
• Date: Tue, 24 Sep 2024 12:31:55 GMT
• ステータス: 処理完了
• システム内更新日: 2024-09-26 05:56:20.084814
• Title: Deep chroma compression of tone-mapped images
• Title（参考訳）: トーンマップ画像の深色圧縮
• Authors: Xenios Milidonis, Francesco Banterle, Alessandro Artusi,
• Abstract要約: 本稿では,HDRトーンマップ画像の高速かつ信頼性の高いクロマ圧縮のための生成逆ネットワークを提案する。 提案手法は,色精度において,最先端の画像生成および拡張ネットワークよりも優れることを示す。 このモデルはリアルタイムのパフォーマンスを実現し,計算資源が限られているデバイスに展開する上で有望な結果を示す。
• 参考スコア（独自算出の注目度）: 46.07829363710451
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Acquisition of high dynamic range (HDR) images is thriving due to the increasing use of smart devices and the demand for high-quality output. Extensive research has focused on developing methods for reducing the luminance range in HDR images using conventional and deep learning-based tone mapping operators to enable accurate reproduction on conventional 8 and 10-bit digital displays. However, these methods often fail to account for pixels that may lie outside the target display's gamut, resulting in visible chromatic distortions or color clipping artifacts. Previous studies suggested that a gamut management step ensures that all pixels remain within the target gamut. However, such approaches are computationally expensive and cannot be deployed on devices with limited computational resources. We propose a generative adversarial network for fast and reliable chroma compression of HDR tone-mapped images. We design a loss function that considers the hue property of generated images to improve color accuracy, and train the model on an extensive image dataset. Quantitative experiments demonstrate that the proposed model outperforms state-of-the-art image generation and enhancement networks in color accuracy, while a subjective study suggests that the generated images are on par or superior to those produced by conventional chroma compression methods in terms of visual quality. Additionally, the model achieves real-time performance, showing promising results for deployment on devices with limited computational resources.
• Abstract（参考訳）: 高ダイナミックレンジ(HDR)画像の取得は、スマートデバイスの利用の増加と高品質な出力の需要により、活発化している。 広汎な研究は、従来の8ビットデジタルディスプレイと10ビットデジタルディスプレイの正確な再現を可能にするため、従来のディープラーニングベースのトーンマッピング演算子を用いて、HDR画像の輝度範囲を減らす方法の開発に重点を置いている。 しかしながら、これらの手法は、しばしばターゲットディスプレイのガムの外にあるピクセルを考慮できないため、色歪みや色切りのアーティファクトが目に見える。 以前の研究では、ガムの管理ステップにより、すべてのピクセルがターゲットガム内に留まることを保証していた。 しかし、そのような手法は計算コストが高く、限られた計算資源を持つデバイスには展開できない。 本稿では,HDRトーンマップ画像の高速かつ信頼性の高いクロマ圧縮のための生成逆ネットワークを提案する。 色精度を向上させるために生成画像の色調特性を考慮した損失関数を設計し,広範囲な画像データセット上でモデルを訓練する。 定量的実験により,提案モデルは色精度において最先端の画像生成・拡張ネットワークよりも優れており,主観的研究は,従来のクロマ圧縮法で生成した画像と同等か優れていることを示唆している。 さらに、このモデルはリアルタイムのパフォーマンスを達成し、限られた計算資源を持つデバイスにデプロイする上で有望な結果を示す。

関連論文リスト

• Transferable Learned Image Compression-Resistant Adversarial Perturbations [66.46470251521947]
  敵対的攻撃は容易に画像分類システムを破壊し、DNNベースの認識タスクの脆弱性を明らかにする。 我々は、学習した画像圧縮機を前処理モジュールとして利用する画像分類モデルをターゲットにした新しいパイプラインを提案する。
  論文  参考訳（メタデータ） (2024-01-06T03:03:28Z)
• Image Deblurring using GAN [0.0]
  本研究は,GAN(Generative Adversarial Network)の画像処理への応用に焦点を当てた。 プロジェクトはGANモデルのインフローを定義し、GoPROデータセットでトレーニングする。 ネットワークは画像のシャープなピクセルを取得でき、平均29.3ピーク信号対雑音比(PSNR)と0.72構造類似度評価(SSIM)を実現している。
  論文  参考訳（メタデータ） (2023-12-15T02:43:30Z)
• 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)
• Beyond Learned Metadata-based Raw Image Reconstruction [86.1667769209103]
  生画像は、線形性や微細な量子化レベルなど、sRGB画像に対して明確な利点がある。 ストレージの要求が大きいため、一般ユーザからは広く採用されていない。 本稿では,メタデータとして,潜在空間におけるコンパクトな表現を学習する新しいフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-06-21T06:59:07Z)
• High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
  本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。 提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。 実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-29T13:31:28Z)
• Enhanced Hyperspectral Image Super-Resolution via RGB Fusion and TV-TV Minimization [9.584717030078245]
  ハイパースペクトル(HS)画像には、リモートセンシング、監視、天文学などの応用において重要な、詳細なスペクトル情報が含まれている。 HSカメラのハードウェア制限のため、撮像された画像は空間解像度が低い。 それらを改善するために、低分解能ハイパースペクトル画像は、融合ベースHS画像超解像と呼ばれる技術により、従来の高分解能RGB画像と融合する。
  論文  参考訳（メタデータ） (2021-06-13T18:52:47Z)
• Early Exit or Not: Resource-Efficient Blind Quality Enhancement for Compressed Images [54.40852143927333]
  ロスシー画像圧縮は、通信帯域を節約するために広範に行われ、望ましくない圧縮アーティファクトをもたらす。 圧縮画像に対する資源効率の高いブラインド品質向上手法(RBQE)を提案する。 提案手法は, 評価された画像の品質に応じて, 自動的にエンハンスメントを終了するか, 継続するかを決定することができる。
  論文  参考訳（メタデータ） (2020-06-30T07:38:47Z)
• Burst Photography for Learning to Enhance Extremely Dark Images [19.85860245798819]
  本稿では,超暗い原画像からよりシャープで高精度なRGB画像を得るため,バースト撮影を活用することを目的とする。 提案するフレームワークのバックボーンは,高品質な出力を段階的に生成する,粗大なネットワークアーキテクチャである。 実験により,本手法は,より詳細で高画質な画像を生成することによって,最先端の手法よりも知覚的により満足な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-06-17T13:19:07Z)
• Deep Attentive Generative Adversarial Network for Photo-Realistic Image De-Quantization [25.805568996596783]
  減量子化は、高ビット深度画面に表示するための低ビット深度画像の視覚的品質を改善することができる。 本稿では,画像強度分解能の超解像を実現するためのDAGANアルゴリズムを提案する。 DenseResAttモジュールは、自己保持機構を備えた密集した残留ブロックで構成されている。
  論文  参考訳（メタデータ） (2020-04-07T06:45:01Z)
• Burst Denoising of Dark Images [19.85860245798819]
  超暗い生画像からクリーンでカラフルなRGB画像を得るためのディープラーニングフレームワークを提案する。 我々のフレームワークのバックボーンは、プログレッシブな方法で高品質な出力を生成する新しい粗いネットワークアーキテクチャである。 実験により,提案手法は最先端の手法よりも知覚的により満足な結果をもたらすことが示された。
  論文  参考訳（メタデータ） (2020-03-17T17:17:36Z)

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。