論文の概要: Disentangle Nighttime Lens Flares: Self-supervised Generation-based Lens Flare Removal

• arxiv url: http://arxiv.org/abs/2502.10714v1
• Date: Sat, 15 Feb 2025 08:04:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:11:35.392973
• Title: Disentangle Nighttime Lens Flares: Self-supervised Generation-based Lens Flare Removal
• Title（参考訳）: 遠方性夜間レンズフレア:自己監督型レンズフレア除去
• Authors: Yuwen He, Wei Wang, Wanyu Wang, Kui Jiang,
• Abstract要約: レンズフレアは、光の反射やセンサーアレイ内の屈折から発生し、光、反射フレア、反射フレアなど様々な種類がある。 既存の方法は1つの特定の型のみに特化しており、複数の型付きレンズフレアの同時発生を見落としている。 本稿では,自己監督型レンズフレア除去ネットワーク(SGLFR-Net)を提案する。
• 参考スコア（独自算出の注目度）: 18.825840100537174
• License:
• Abstract: Lens flares arise from light reflection and refraction within sensor arrays, whose diverse types include glow, veiling glare, reflective flare and so on. Existing methods are specialized for one specific type only, and overlook the simultaneous occurrence of multiple typed lens flares, which is common in the real-world, e.g. coexistence of glow and displacement reflections from the same light source. These co-occurring lens flares cannot be effectively resolved by the simple combination of individual flare removal methods, since these coexisting flares originates from the same light source and are generated simultaneously within the same sensor array, exhibit a complex interdependence rather than simple additive relation. To model this interdependent flare relationship, our Nighttime Lens Flare Formation model is the first attempt to learn the intrinsic physical relationship between flares on the imaging plane. Building on this physical model, we introduce a solution to this joint flare removal task named Self-supervised Generation-based Lens Flare Removal Network (SGLFR-Net), which is self-supervised without pre-training. Specifically, the nighttime glow is detangled in PSF Rendering Network(PSFR-Net) based on PSF Rendering Prior, while the reflective flare is modelled in Texture Prior Based Reflection Flare Removal Network (TPRR-Net). Empirical evaluations demonstrate the effectiveness of the proposed method in both joint and individual glare removal tasks.
• Abstract（参考訳）: レンズフレアは、光の反射やセンサーアレイ内の屈折から生じ、その種類は、光の反射、反射フレア、反射フレアなど多様である。 既存の方法は1つの特定のタイプのみに特化しており、複数の型付きレンズフレアの同時発生を見落としている。 これらの共起レンズフレアは、同一光源から発生し、同一センサアレイ内で同時に生成されるため、個々のフレア除去法の簡単な組み合わせで効果的に解決できないため、単純な付加的関係ではなく複雑な相互依存性を示す。 この相互依存フレア関係をモデル化するため、我々のナイトタイムレンズフレア生成モデルは、撮像面上のフレア間の本質的な物理的関係を学習するための最初の試みである。 本稿では,この物理モデルに基づいて,事前学習なしで自己管理を行う自己教師型レンズフレア除去ネットワーク(SGLFR-Net)という,共同フレア除去作業のソリューションを提案する。 具体的には, PSF Rendering Prior に基づく PSF Rendering Network (PSFR-Net) で夜間光を除くとともに, 反射フレアを Texture Prior Based Reflection Flare removal Network (TPRR-Net) でモデル化する。 実験により, 共同作業と個別作業の両方において, 提案手法の有効性が示された。

関連論文リスト

• Difflare: Removing Image Lens Flare with Latent Diffusion Model [19.022105366814078]
  レンズフレア除去のための新しいアプローチであるDifflareを紹介する。 PTDM(Pre-Trained Diffusion Models)による事前学習を活用するために,トレーニング可能な構造誘導モジュール(Structure Guidance Injection Module, SGIM)を導入する。 遅延圧縮による情報損失に対処するために,適応的特徴融合モジュール(AFFM)を導入する。
  論文  参考訳（メタデータ） (2024-07-20T04:36:39Z)
• Harmonizing Light and Darkness: A Symphony of Prior-guided Data Synthesis and Adaptive Focus for Nighttime Flare Removal [44.35766203309201]
  インセンス光源は、夜間に撮影画像にフレアを発生させることが多く、視覚的品質を劣化させ、下流の用途に悪影響を及ぼす。 効果的なフレア除去ネットワークをトレーニングするためには、信頼できるデータセットが不可欠である。 フレアの明るさが照明法則に合致するマルチフレア画像を含むフレア7K*という先行誘導型データセットを合成する。 クリーンな背景領域を適応的にマスキングし,フレアに強く影響された領域にフォーカスするモデルを支援するためのプラグイン・アンド・プレイ適応型フォーカス・モジュール (AFM) を提案する。
  論文  参考訳（メタデータ） (2024-03-30T10:37:56Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• Toward Real Flare Removal: A Comprehensive Pipeline and A New Benchmark [12.1632995709273]
  本稿では,フレア劣化を伴うデータペア生成手法を提案する。 散乱フレアの類似性と反射ゴーストの対称効果を実現する。 また,散乱と反射フレアの影響をそれぞれ処理する実写パイプラインを構築した。
  論文  参考訳（メタデータ） (2023-06-28T02:57:25Z)
• Flare7K++: Mixing Synthetic and Real Datasets for Nighttime Flare Removal and Beyond [77.72043833102191]
  962個の実撮影フレア画像(Flare-R)と7000個の合成フレア画像(Flare7K)からなる夜間フレア除去データセットを初めて導入する。 Flare7Kと比較して、Frare7K++は、合成フレアのみを使用することで、光源周辺の複雑な劣化を取り除くのに特に効果的である。 この問題に対処するために、Frare7K++で光源のアノテーションを付加し、レンズフレアを除去しながら光源を保存するための新しいエンドツーエンドパイプラインを提案する。
  論文  参考訳（メタデータ） (2023-06-07T08:27:44Z)
• Relightify: Relightable 3D Faces from a Single Image via Diffusion Models [86.3927548091627]
  単一画像からの3次元顔BRDF再構成を高精度に行うために,拡散モデルを用いた最初のアプローチを提案する。 既存の手法とは対照的に,観測されたテクスチャを直接入力画像から取得することで,より忠実で一貫した推定が可能となる。
  論文  参考訳（メタデータ） (2023-05-10T11:57:49Z)
• Nighttime Smartphone Reflective Flare Removal Using Optical Center Symmetry Prior [81.64647648269889]
  反射フレア(英: Reflective flare)は、レンズの内部に光が反射し、明るい点や「ゴースト効果」を引き起こす現象である。 我々は、反射フレアと光源が常にレンズの光学中心の周囲に対称であることを示す光中心対称性を事前に提案する。 多様なリアルな反射フレアパターンを含むブラケットフレアと呼ばれる最初の反射フレア除去データセットを作成します。
  論文  参考訳（メタデータ） (2023-03-27T09:44:40Z)
• Flare7K: A Phenomenological Nighttime Flare Removal Dataset [83.38205781536578]
  最初の夜間フレア除去データセットであるFrare7Kを紹介する。 25種類の散乱フレアと10種類の反射フレアからなる、5,000個の散乱と2,000個の反射フレア画像を提供する。 ペア化されたデータにより、現実世界で撮影されたフレア崩壊画像の復元を効果的に行うことができる。
  論文  参考訳（メタデータ） (2022-10-12T20:17:24Z)
• How to Train Neural Networks for Flare Removal [45.51943926089249]
  ニューラルネットワークをトレーニングして、初めてレンズフレアを取り除きます。 我々のデータ合成手法は正確なフレア除去に不可欠である。 我々の技術で訓練されたモデルは、様々なシーン、照明条件、カメラの実際のレンズフレアによく一般化される。
  論文  参考訳（メタデータ） (2020-11-25T02:23:50Z)

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。