論文の概要: Beyond Feature Mapping GAP: Integrating Real HDRTV Priors for Superior SDRTV-to-HDRTV Conversion

• arxiv url: http://arxiv.org/abs/2411.10775v1
• Date: Sat, 16 Nov 2024 11:20:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-19 14:32:20.912057
• Title: Beyond Feature Mapping GAP: Integrating Real HDRTV Priors for Superior SDRTV-to-HDRTV Conversion
• Title（参考訳）: 特徴マッピングGAPを超えて:SDRTV-HDRTV変換のための実HDRTVプリミティブの統合
• Authors: Kepeng Xu, Li Xu, Gang He, Zhiqiang Zhang, Wenxin Yu, Shihao Wang, Dajiang Zhou, Yunsong Li,
• Abstract要約: HDR-WCGディスプレイデバイスの普及は、SDRTVをHDRTVに変換する必要性を強調している。 既存の手法は主に、SDRTVからHDRTVへの単一スタイルマッピングを学ぶニューラルネットワークの設計に焦点を当てている。 本稿では,実際のHDRTVプリエントによって誘導されるHDRTV変換に対するSDRTVの新しい手法を提案する。
• 参考スコア（独自算出の注目度）: 22.78096367667505
• License:
• Abstract: The rise of HDR-WCG display devices has highlighted the need to convert SDRTV to HDRTV, as most video sources are still in SDR. Existing methods primarily focus on designing neural networks to learn a single-style mapping from SDRTV to HDRTV. However, the limited information in SDRTV and the diversity of styles in real-world conversions render this process an ill-posed problem, thereby constraining the performance and generalization of these methods. Inspired by generative approaches, we propose a novel method for SDRTV to HDRTV conversion guided by real HDRTV priors. Despite the limited information in SDRTV, introducing real HDRTV as reference priors significantly constrains the solution space of the originally high-dimensional ill-posed problem. This shift transforms the task from solving an unreferenced prediction problem to making a referenced selection, thereby markedly enhancing the accuracy and reliability of the conversion process. Specifically, our approach comprises two stages: the first stage employs a Vector Quantized Generative Adversarial Network to capture HDRTV priors, while the second stage matches these priors to the input SDRTV content to recover realistic HDRTV outputs. We evaluate our method on public datasets, demonstrating its effectiveness with significant improvements in both objective and subjective metrics across real and synthetic datasets.
• Abstract（参考訳）: HDR-WCGディスプレイデバイスの普及は、ほとんどのビデオソースがまだSDRにあるため、SDRTVをHDRTVに変換する必要性を強調している。 既存の手法は主に、SDRTVからHDRTVへの単一スタイルマッピングを学ぶニューラルネットワークの設計に焦点を当てている。 しかし、SDRTVの限られた情報と現実世界の変換におけるスタイルの多様性により、このプロセスは不適切な問題となり、それによってこれらの手法の性能と一般化が制限される。 生成的アプローチに着想を得て,実HDRTVプリエントが導いたHDRTV変換のための新しい手法を提案する。 SDRTVの限られた情報にもかかわらず、実際のHDRTVを参照先として導入することは、元々の高次元不測問題の解空間を著しく制約する。 このシフトは、未参照予測問題の解決から参照選択へとタスクを変換し、変換プロセスの精度と信頼性を著しく向上させる。 具体的には、第1段階は、HDRTVの先行情報をキャプチャするためにベクトル量子化生成逆数ネットワークを使用し、第2段階は、これらの先行情報を入力されたSDRTVコンテンツと照合して、現実的なHDRTVの出力を復元する。 提案手法を公開データセット上で評価し,その有効性を示すとともに,実データおよび合成データセット間での客観的および主観的指標の両面で有意な改善を行った。

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)
• FastHDRNet: A new efficient method for SDR-to-HDR Translation [5.224011800476952]
  我々は「FastNet」と呼ばれるSDRからHDRへの変換のためのニューラルネットワークを提案する。 このアーキテクチャは、グローバル統計とローカル情報を超高効率で利用する軽量ネットワークとして設計されている。
  論文  参考訳（メタデータ） (2024-04-06T03:25:24Z)
• 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)
• 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)
• Towards Real World HDRTV Reconstruction: A Data Synthesis-based Approach [48.1492764654516]
  既存のディープラーニングに基づくHDRTV再構成手法は、教師あり訓練のためのSDRTV-TVペアを合成する手法として、ある種類のトーンマッピング演算子(TMO)を仮定する。 本稿では,従来のTMOが効率のよいダイナミックレンジ圧縮の先駆的手法であるにもかかわらず,劣化情報の保存過剰,色偏差,可能アーティファクトのモデル化にいくつかの欠点があることを論じる。 ネットワーク構造と損失関数の両方に複数のトーンマッピングを組み込むことで,実世界のSDRTVの特性を学習する学習ベースデータ合成手法を提案する。
  論文  参考訳（メタデータ） (2022-11-06T08:27:37Z)
• A New Journey from SDRTV to HDRTV [36.58487005995048]
  我々は、SDRTV/TVコンテンツの形成をモデル化して、SDRTV-to-TVタスクの分析を行う。 画像適応カラーマッピングを行うためのガイダンスとして,グローバル統計を利用した軽量ネットワークを提案する。
  論文  参考訳（メタデータ） (2021-08-18T05:17:08Z)
• NTIRE 2021 Challenge on High Dynamic Range Imaging: Dataset, Methods and Results [56.932867490888015]
  本稿では,CVPR 2021と共同で開催されているニュートレンド・イメージ・リカバリ・エンハンスメント(NTIRE)ワークショップ(New Trends in Image Restoration and Enhancement, NTIRE)におけるハイダイナミックレンジイメージングの課題について概説する。 この課題は、1つまたは複数の低ダイナミックレンジ(LDR)観測からHDR画像を推定することを目的としている。
  論文  参考訳（メタデータ） (2021-06-02T19:45:16Z)
• BasicVSR++: Improving Video Super-Resolution with Enhanced Propagation and Alignment [90.81396836308085]
  我々は,伝播とアライメントの強化による再生フレームワークの強化により,映像情報をより効果的に活用できることを示す。 我々のモデルである BasicVSR++ は PSNR で BasicVSR を 0.82 dB で上回っている。 BasicVSR++は圧縮ビデオ強化などの他のビデオ復元タスクによく一般化される。
  論文  参考訳（メタデータ） (2021-04-27T17:58:31Z)
• 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。