論文の概要: Near-infrared Image Deblurring and Event Denoising with Synergistic Neuromorphic Imaging

• arxiv url: http://arxiv.org/abs/2503.01193v2
• Date: Tue, 04 Mar 2025 16:08:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-05 19:18:33.546186
• Title: Near-infrared Image Deblurring and Event Denoising with Synergistic Neuromorphic Imaging
• Title（参考訳）: 相乗的ニューロモルフィックイメージングによる近赤外画像の劣化と事象の識別
• Authors: Chao Qu, Shuo Zhu, Yuhang Wang, Zongze Wu, Xiaoyu Chen, Edmund Y. Lam, Jing Han,
• Abstract要約: 我々は、NIRイメージングとイベントベース技術を組み合わせた、低照度イメージングのための新しいフレームワークを開発した。 我々は、スペクトル一貫性と高次相互作用により、NIR画像と可視事象のクロスモーダルな特徴を利用する。 本研究は、高忠実度低照度イメージングとニューロモルフィック推論の道を開くため、NIR画像と事象の両方を強化するための衝動を与える。
• 参考スコア（独自算出の注目度）: 29.372476054444945
• License:
• Abstract: The fields of imaging in the nighttime dynamic and other extremely dark conditions have seen impressive and transformative advancements in recent years, partly driven by the rise of novel sensing approaches, e.g., near-infrared (NIR) cameras with high sensitivity and event cameras with minimal blur. However, inappropriate exposure ratios of near-infrared cameras make them susceptible to distortion and blur. Event cameras are also highly sensitive to weak signals at night yet prone to interference, often generating substantial noise and significantly degrading observations and analysis. Herein, we develop a new framework for low-light imaging combined with NIR imaging and event-based techniques, named synergistic neuromorphic imaging, which can jointly achieve NIR image deblurring and event denoising. Harnessing cross-modal features of NIR images and visible events via spectral consistency and higher-order interaction, the NIR images and events are simultaneously fused, enhanced, and bootstrapped. Experiments on real and realistically simulated sequences demonstrate the effectiveness of our method and indicate better accuracy and robustness than other methods in practical scenarios. This study gives impetus to enhance both NIR images and events, which paves the way for high-fidelity low-light imaging and neuromorphic reasoning.
• Abstract（参考訳）: 夜間のダイナミックや他の極暗い環境におけるイメージングの分野は、特に、高感度の近赤外(NIR)カメラや、最小限のぼやけのイベントカメラなど、新しいセンシングアプローチの台頭によって、近年印象的かつ変革的な進歩を遂げている。 しかし、近赤外線カメラの不適切な露出比は、歪みやぼやけの影響を受けやすい。 イベントカメラは夜間の弱い信号に非常に敏感であり、干渉する傾向があり、しばしばかなりのノイズを発生させ、観測や分析を著しく劣化させる。 そこで我々は,NIR画像とイベントベース技術を組み合わせた,低照度撮像のための新しいフレームワークを開発した。 スペクトル一貫性と高次相互作用により、NIR画像と可視イベントのクロスモーダルな特徴を損なうことにより、NIR画像とイベントは同時に融合され、強化され、ブートストラップされる。 本手法の有効性を実証し,実用シナリオにおける他の手法よりも精度とロバスト性が高いことを示す。 本研究は、高忠実度低照度イメージングとニューロモルフィック推論の道を開くため、NIR画像と事象の両方を強化するための衝動を与える。

関連論文リスト

• Deblurring Neural Radiance Fields with Event-driven Bundle Adjustment [23.15130387716121]
  本稿では,学習可能なポーズとNeRFパラメータを協調的に最適化するために,Bundle Adjustment for Deblurring Neural Radiance Fields (EBAD-NeRF)を提案する。 EBAD-NeRFは露光時間中に正確なカメラ軌跡を得ることができ、従来よりもシャープな3D表現を学習することができる。
  論文  参考訳（メタデータ） (2024-06-20T14:33:51Z)
• NeRF On-the-go: Exploiting Uncertainty for Distractor-free NeRFs in the Wild [55.154625718222995]
  我々は,複雑なシーンにおける新規ビューのロバストな合成を可能にする,シンプルで効果的な方法であるNeRF On-the-goを紹介する。 本手法は,最先端技術よりも大幅に向上したことを示す。
  論文  参考訳（メタデータ） (2024-05-29T02:53:40Z)
• NIR-Assisted Image Denoising: A Selective Fusion Approach and A Real-World Benchmark Dataset [53.79524776100983]
  近赤外(NIR)画像を活用して、視認可能なRGB画像の復調を支援することで、この問題に対処する可能性を示している。 既存の作品では、NIR情報を効果的に活用して現実のイメージを飾ることに苦戦している。 先進デノナイジングネットワークにプラグイン・アンド・プレイ可能な効率的な選択核融合モジュール(SFM)を提案する。
  論文  参考訳（メタデータ） (2024-04-12T14:54:26Z)
• 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)
• Robust e-NeRF: NeRF from Sparse & Noisy Events under Non-Uniform Motion [67.15935067326662]
  イベントカメラは低電力、低レイテンシ、高時間解像度、高ダイナミックレンジを提供する。 NeRFは効率的かつ効果的なシーン表現の第一候補と見なされている。 本稿では,移動イベントカメラからNeRFを直接かつ堅牢に再構成する新しい手法であるRobust e-NeRFを提案する。
  論文  参考訳（メタデータ） (2023-09-15T17:52:08Z)
• Deformable Neural Radiance Fields using RGB and Event Cameras [65.40527279809474]
  我々は,RGBとイベントカメラを用いた変形可能なニューラル放射場をモデル化する新しい手法を開発した。 提案手法は,イベントの非同期ストリームと疎RGBフレームを用いる。 現実的にレンダリングされたグラフィックと実世界のデータセットの両方で実施された実験は、提案手法の有益性を実証している。
  論文  参考訳（メタデータ） (2023-09-15T14:19:36Z)
• INFWIDE: Image and Feature Space Wiener Deconvolution Network for Non-blind Image Deblurring in Low-Light Conditions [32.35378513394865]
  画像と特徴空間Wener deconvolution Network (INFWIDE) と呼ばれる新しい非盲点分解法を提案する。 INFWIDEは、画像空間におけるノイズを除去し、飽和領域を幻覚し、特徴空間におけるリングアーティファクトを抑制する。 合成データと実データを用いた実験は,提案手法の優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-17T15:22:31Z)
• Ev-NeRF: Event Based Neural Radiance Field [8.78321125097048]
  Ev-NeRFは、イベントデータから派生したニューラル放射場である。 Ev-NeRFは、超音環境下での高強度画像再構成において、競合性能を実現する。
  論文  参考訳（メタデータ） (2022-06-24T18:27:30Z)
• Physics-based Noise Modeling for Extreme Low-light Photography [63.65570751728917]
  CMOS光センサの撮像パイプラインにおけるノイズ統計について検討する。 実雑音構造を正確に特徴付けることのできる包括的ノイズモデルを定式化する。 我々のノイズモデルは、学習に基づく低照度復調アルゴリズムのためのリアルなトレーニングデータを合成するのに利用できる。
  論文  参考訳（メタデータ） (2021-08-04T16:36:29Z)
• Extreme Low-Light Imaging with Multi-granulation Cooperative Networks [18.438827277749525]
  低照度画像は、信号対雑音比の低さ、複雑な画像内容、および極低照度の撮影シーンの多様性により、暗くノイズのように見えるため、低照度画像は困難である。 極低照度条件下での撮像品質向上のための多くの手法が提案されているが、良好な結果を得ることは困難である。
  論文  参考訳（メタデータ） (2020-05-16T14:26:06Z)

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。