論文の概要: Rephotography in the Digital Era: Mass Rephotography and re.photos, the Web Portal for Rephotography

• arxiv url: http://arxiv.org/abs/2501.02017v1
• Date: Thu, 02 Jan 2025 15:13:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-01-07 17:07:31.398229
• Title: Rephotography in the Digital Era: Mass Rephotography and re.photos, the Web Portal for Rephotography
• Title（参考訳）: デジタル時代のリフォトグラフィー: マス・リフォトグラフィーとリフォトグラフィー、ウェブ・ポータル
• Authors: Axel Schaffland,
• Abstract要約: 我々は、既存のデジタル手法で再撮影を行い、今後のデジタル・マス・リフォトグラフィーのアプローチと要件について論じる。 本稿では、リフォトグラフィーのための既存のWebポータルであるre.photosを紹介し、協調的なリフォトグラフィー、インタラクティブな画像登録、検索、組織化、再フォトグラフィーの共有を行う方法を紹介する。
• 参考スコア（独自算出の注目度）: 0.5064404027153093
• License:
• Abstract: Since the beginning of rephotography in the middle of the 19th century, techniques in registration, conservation, presentation, and sharing of rephotographs have come a long way. Here, we will present existing digital approaches to rephotography and discuss future approaches and requirements for digital mass rephotography. We present re.photos, an existing web portal for rephotography, featuring methods for collaborative rephotography, interactive image registration, as well as retrieval, organization, and sharing of rephotographs. For mass rephotography additional requirements must be met. Batches of template images and rephotographs must be handled simultaneously, image registration must be automated, and intuitive smartphone apps for rephotography must be available. Long--term storage with persistent identifiers, automatic or mass georeferencing, as well as gamification and social media integration are further requirements we will discuss in this paper.
• Abstract（参考訳）: 19世紀半ばに再写真化が始まって以来、再写真化の登録、保存、プレゼンテーション、共有の技法は長い道のりを歩んでいる。 ここでは、既存のデジタル・アプローチによる再撮影について紹介し、デジタル・マス・リフォトグラフィーの今後のアプローチと要件について論じる。 本稿では、リフォトグラフィーのための既存のWebポータルであるre.photosを紹介し、協調的なリフォトグラフィー、インタラクティブな画像登録、検索、組織化、再フォトグラフィーの共有を行う方法を紹介する。 大量再撮影には追加の要件を満たさなければならない。 テンプレート画像とリフォトグラフィーのバッチを同時に処理し、イメージ登録を自動化し、リフォトグラフィー用の直感的なスマートフォンアプリを利用できなければならない。 永続的な識別子、自動または大量ジオレファレンス、ゲーミフィケーション、ソーシャルメディアの統合を備えた長期記憶は、本論文で論じるさらなる要件である。

関連論文リスト

• MatchAnything: Universal Cross-Modality Image Matching with Large-Scale Pre-Training [62.843316348659165]
  ディープラーニングに基づく画像マッチングアルゴリズムは、人間を劇的に上回り、大量の対応を素早く正確に見つける。 本稿では, 画像間の基本構造を認識し, 一致させるためのモデル学習のために, 合成モード間学習信号を利用する大規模事前学習フレームワークを提案する。 我々の重要な発見は、我々のフレームワークで訓練されたマッチングモデルが、目に見えない8つのクロスモダリティ登録タスクにまたがる顕著な一般化性を達成することである。
  論文  参考訳（メタデータ） (2025-01-13T18:37:36Z)
• FaceStudio: Put Your Face Everywhere in Seconds [23.381791316305332]
  アイデンティティを保存する画像合成は、パーソナライズされたスタイリスティックなタッチを加えながら、被験者のアイデンティティを維持することを目指している。 Textual InversionやDreamBoothといった従来の手法は、カスタムイメージ作成に力を入れている。 本研究は,人間の画像に焦点をあてたアイデンティティ保存合成への新たなアプローチを提案する。
  論文  参考訳（メタデータ） (2023-12-05T11:02:45Z)
• A survey on deep learning in medical image registration: new technologies, uncertainty, evaluation metrics, and beyond [11.011806131158]
  深層学習技術は、過去10年間に医療画像登録の分野を劇的に変えてきた。 本稿では,ディープラーニングによる画像登録の最近の進歩を概観する。 本稿では,これらの技術が医用画像に応用されることを強調し,深層学習による画像登録の今後の展望について論じる。
  論文  参考訳（メタデータ） (2023-07-28T15:22:34Z)
• ReGeneration Learning of Diffusion Models with Rich Prompts for Zero-Shot Image Translation [8.803251014279502]
  大規模なテキスト・ツー・イメージモデルは、多彩で高忠実な画像を合成する素晴らしい能力を示した。 現在のモデルでは、編集プロセス中に元の画像の内容に大きな変更を加えることができる。 画像と画像の拡散モデル(ReDiffuser)における再生学習を提案する。
  論文  参考訳（メタデータ） (2023-05-08T12:08:12Z)
• HandNeRF: Neural Radiance Fields for Animatable Interacting Hands [122.32855646927013]
  神経放射場(NeRF)を用いて手の動きを正確に再現する新しい枠組みを提案する。 我々は,提案するHandNeRFのメリットを検証するための広範囲な実験を行い,その成果を報告する。
  論文  参考訳（メタデータ） (2023-03-24T06:19:19Z)
• Re-Imagen: Retrieval-Augmented Text-to-Image Generator [58.60472701831404]
  検索用テキスト・ツー・イメージ・ジェネレータ(再画像) 検索用テキスト・ツー・イメージ・ジェネレータ(再画像)
  論文  参考訳（メタデータ） (2022-09-29T00:57:28Z)
• A Multi-modal Registration and Visualization Software Tool for Artworks using CraquelureNet [11.225641274591101]
  本稿では,歴史画におけるひび割れ構造の横断的特徴を抽出して自動登録を行うために,畳み込みニューラルネットワークを組み込んだ登録可視化ソフトウェアツールを提案する。 グラフィカルユーザインタフェースは、ユーザの入力を処理して、登録パラメータを設定し、登録されたペアとイメージオーバーレイで画像ビューをインタラクティブに適応させる。 本評価では,本手法を歴史的印刷物に適用することにより,マルチモーダル絵画における登録性能と短い推測時間と伝達性の観点から,ソフトウェアツールの有効性を質的かつ定量的に示す。
  論文  参考訳（メタデータ） (2022-08-18T13:57:37Z)
• Automatic Image Content Extraction: Operationalizing Machine Learning in Humanistic Photographic Studies of Large Visual Archives [81.88384269259706]
  本稿では,機械学習による大規模画像アーカイブの検索と解析のための自動画像コンテンツ抽出フレームワークを提案する。 提案する枠組みは、人文科学と社会科学のいくつかの分野に適用できる。
  論文  参考訳（メタデータ） (2022-04-05T12:19:24Z)
• A survey of image labelling for computer vision applications [0.0]
  近年,画像コンテンツ認識のためのディープラーニングアルゴリズムが普及し,アドホックなラベリングツールが出現している。 画像ラベリングソフトウェアの基本的な概念と特徴をコンパイルするために,構造化文献レビューを行う。
  論文  参考訳（メタデータ） (2021-04-18T16:01:55Z)
• From A Glance to "Gotcha": Interactive Facial Image Retrieval with Progressive Relevance Feedback [72.29919762941029]
  本稿では,目撃者から徐々にフィードバックを得て顔画像を取得するためのエンドツーエンドフレームワークを提案する。 追加のアノテーションを必要とせずに、私たちのモデルは少しのレスポンスの努力を犠牲にして適用できます。
  論文  参考訳（メタデータ） (2020-07-30T18:46:25Z)
• Image Segmentation Using Deep Learning: A Survey [58.37211170954998]
  イメージセグメンテーションは、画像処理とコンピュータビジョンにおいて重要なトピックである。 深層学習モデルを用いた画像セグメンテーション手法の開発を目的とした研究が,これまでに数多く行われている。
  論文  参考訳（メタデータ） (2020-01-15T21:37:47Z)

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。