論文の概要: Multi-illuminant Color Constancy via Multi-scale Illuminant Estimation and Fusion

• arxiv url: http://arxiv.org/abs/2502.02021v1
• Date: Tue, 04 Feb 2025 05:19:30 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-05 14:56:40.468076
• Title: Multi-illuminant Color Constancy via Multi-scale Illuminant Estimation and Fusion
• Title（参考訳）: マルチスケールイルミナント推定と核融合による多彩色濃度
• Authors: Hang Luo, Rongwei Li, Jinxing Liang,
• Abstract要約: 既存の手法は主に深層学習を用いて画像とその照明マップ間の直接マッピングを確立する。 我々は,マルチスケール画像から推定される成分の線形結合としてイルミナントマップを表現している。 マルチスケール画像から多粒性発光分布マップを推定する三分岐畳み込みネットワークを提案する。
• 参考スコア（独自算出の注目度）: 0.7549179334992838
• License:
• Abstract: Multi-illuminant color constancy methods aim to eliminate local color casts within an image through pixel-wise illuminant estimation. Existing methods mainly employ deep learning to establish a direct mapping between an image and its illumination map, which neglects the impact of image scales. To alleviate this problem, we represent an illuminant map as the linear combination of components estimated from multi-scale images. Furthermore, we propose a tri-branch convolution networks to estimate multi-grained illuminant distribution maps from multi-scale images. These multi-grained illuminant maps are merged adaptively with an attentional illuminant fusion module. Through comprehensive experimental analysis and evaluation, the results demonstrate the effectiveness of our method, and it has achieved state-of-the-art performance.
• Abstract（参考訳）: マルチイルミナントカラーコンステンシー法は,画素ワイド輝度推定により画像内の局所的なカラーキャストを除去することを目的としている。 既存の方法は、画像と照明マップの直接マッピングを確立するために、主にディープラーニングを用いており、画像スケールの影響を無視している。 この問題を緩和するために、多スケール画像から推定される成分の線形結合として、照度マップを表現した。 さらに,マルチスケール画像から多粒度発光分布マップを推定する三分岐畳み込みネットワークを提案する。 これらの多粒性イルミナントマップは、注意的なイルミナント融合モジュールと適応的にマージされる。 総合的な実験分析と評価により,本手法の有効性が実証され,最先端の性能が達成された。

関連論文リスト

• IDArb: Intrinsic Decomposition for Arbitrary Number of Input Views and Illuminations [64.07859467542664]
  画像から幾何学的および物質的情報をキャプチャすることは、コンピュータビジョンとグラフィックスの基本的な課題である。 従来の最適化に基づく手法では、密集した多視点入力から幾何学、材料特性、環境照明を再構築するために数時間の計算時間を必要とすることが多い。 IDArbは、様々な照明条件下で、任意の画像に対して本質的な分解を行うために設計された拡散モデルである。
  論文  参考訳（メタデータ） (2024-12-16T18:52:56Z)
• Adaptive Stereo Depth Estimation with Multi-Spectral Images Across All Lighting Conditions [58.88917836512819]
  本稿では,立体深度推定を取り入れた新しいフレームワークを提案し,正確な幾何学的制約を強制する。 照明の劣化がステレオマッチングに与える影響を軽減するために,劣化マスキングを導入する。 提案手法は,Multi-Spectral Stereo(MS2)データセット上でのSOTA(State-of-the-art)性能を実現する。
  論文  参考訳（メタデータ） (2024-11-06T03:30:46Z)
• Self-Supervised Multi-Scale Network for Blind Image Deblurring via Alternating Optimization [12.082424048578753]
  本稿では,遅延画像とぼやけたカーネルを共同で推定する,自己監督型マルチスケールブラインド画像デブロアリング手法を提案する。 複数スケールにわたる協調的推定により,計算集約的な粗大な伝播や画像の劣化を回避できる。
  論文  参考訳（メタデータ） (2024-09-02T07:08:17Z)
• Pixel-Wise Color Constancy via Smoothness Techniques in Multi-Illuminant Scenes [16.176896461798993]
  複数光源による画素ワイズ照明図を学習し,新しい多照度カラーコンスタント法を提案する。 提案手法は, 隣接する画素内のスムーズさを, 全変動損失でトレーニングを正則化することによって実施する。 さらに、エッジを保ちながら、推定画像の自然な外観を高めるために、両側フィルタを設ける。
  論文  参考訳（メタデータ） (2024-02-05T11:42:19Z)
• Dif-Fusion: Towards High Color Fidelity in Infrared and Visible Image Fusion with Diffusion Models [54.952979335638204]
  本稿では,Dif-Fusionと呼ばれる拡散モデルを用いて,マルチチャネル入力データの分布を生成する手法を提案する。 我々の手法は、特にカラー忠実度において、他の最先端画像融合法よりも効果的である。
  論文  参考訳（メタデータ） (2023-01-19T13:37:19Z)
• Deep Uncalibrated Photometric Stereo via Inter-Intra Image Feature Fusion [17.686973510425172]
  本稿では, 深部非校正光度ステレオの新しい手法を提案する。 画像間表現を効率的に利用し、正規推定を導出する。 本手法は, 合成データと実データの両方において, 最先端の手法よりも有意に優れた結果が得られる。
  論文  参考訳（メタデータ） (2022-08-06T03:59:54Z)
• Extracting Triangular 3D Models, Materials, and Lighting From Images [59.33666140713829]
  多視点画像観測による材料と照明の協調最適化手法を提案する。 従来のグラフィックスエンジンにデプロイ可能な,空間的に変化する材料と環境を備えたメッシュを活用します。
  論文  参考訳（メタデータ） (2021-11-24T13:58:20Z)
• Towards Geometry Guided Neural Relighting with Flash Photography [26.511476565209026]
  本稿では,深層学習を用いた深度マップを用いた1枚のフラッシュ写真から画像のリライティングを行うフレームワークを提案する。 本研究は,本質的な画像分解と画像リライティングにおける最先端の画像ベースアプローチに対する幾何学的アプローチの利点を実験的に検証する。
  論文  参考訳（メタデータ） (2020-08-12T08:03:28Z)
• Learning to See Through Obstructions with Layered Decomposition [117.77024641706451]
  移動画像から不要な障害を取り除くための学習に基づくアプローチを提案する。 本手法は背景要素と閉塞要素の運動差を利用して両方の層を復元する。 本研究では,合成データから得られた提案手法が実画像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） (2020-08-11T17:59:31Z)
• Fast and Accurate Optical Flow based Depth Map Estimation from Light Fields [22.116100469958436]
  既存の光フロー推定法に基づく光場からの深度推定法を提案する。 異なる不均一写像が得られたと推定すると、非常に一貫したものであり、高速で単純な集合のステップで単一の不均一写像を作成できる。 等間隔写像推定は一貫性があるため、各等間隔写像から深度写像を作成し、3次元空間内の異なる深度写像を集約して1つの濃度深度写像を作成することもできる。
  論文  参考訳（メタデータ） (2020-08-11T12:53:31Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。