論文の概要: Boosting HDR Image Reconstruction via Semantic Knowledge Transfer

• arxiv url: http://arxiv.org/abs/2503.15361v1
• Date: Wed, 19 Mar 2025 16:01:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-03-20 15:23:12.816652
• Title: Boosting HDR Image Reconstruction via Semantic Knowledge Transfer
• Title（参考訳）: 意味的知識伝達によるHDR画像再構成の高速化
• Authors: Qingsen Yan, Tao Hu, Genggeng Chen, Wei Dong, Yanning Zhang,
• Abstract要約: シーン固有のセマンティクスの活用は、高度に劣化したリージョンを復元するための有望なソリューションを提供する。 これらの先行データは、通常、sRGB Standard Dynamic Range (SDR)画像から抽出される。 本稿では,既存のHDR再構築を促進するために,SDRドメインから派生した意味的知識を自己蒸留により伝達する一般的なフレームワークを提案する。
• 参考スコア（独自算出の注目度）: 45.738735520776004
• License:
• Abstract: Recovering High Dynamic Range (HDR) images from multiple Low Dynamic Range (LDR) images becomes challenging when the LDR images exhibit noticeable degradation and missing content. Leveraging scene-specific semantic priors offers a promising solution for restoring heavily degraded regions. However, these priors are typically extracted from sRGB Standard Dynamic Range (SDR) images, the domain/format gap poses a significant challenge when applying it to HDR imaging. To address this issue, we propose a general framework that transfers semantic knowledge derived from SDR domain via self-distillation to boost existing HDR reconstruction. Specifically, the proposed framework first introduces the Semantic Priors Guided Reconstruction Model (SPGRM), which leverages SDR image semantic knowledge to address ill-posed problems in the initial HDR reconstruction results. Subsequently, we leverage a self-distillation mechanism that constrains the color and content information with semantic knowledge, aligning the external outputs between the baseline and SPGRM. Furthermore, to transfer the semantic knowledge of the internal features, we utilize a semantic knowledge alignment module (SKAM) to fill the missing semantic contents with the complementary masks. Extensive experiments demonstrate that our method can significantly improve the HDR imaging quality of existing methods.
• Abstract（参考訳）: 複数の低ダイナミックレンジ(LDR)画像からの高ダイナミックレンジ(HDR)画像の復元は、LDR画像が顕著な劣化と不足コンテンツを示すと困難になる。 シーン固有のセマンティクスの活用は、高度に劣化したリージョンを復元するための有望なソリューションを提供する。 しかし、これらの先行は、通常、sRGB Standard Dynamic Range (SDR)画像から抽出される。 この問題に対処するために,既存のHDR再構築を促進するために,SDRドメインから派生した意味的知識を自己蒸留により伝達する汎用フレームワークを提案する。 具体的には,まず,SDR画像のセマンティックな意味的知識を活用して,初期HDR再構成結果の不正な問題に対処するセマンティック事前案内再構成モデル(SPGRM)を提案する。 次に,色と内容情報をセマンティックな知識で制約し,ベースラインとSPGRMの間に外部出力を整合させる自己蒸留機構を活用する。 さらに, 内部特徴のセマンティック知識を伝達するために, セマンティック・ナレッジ・アライメント・モジュール (SKAM) を用いて, 欠落したセマンティック・コンテントを補完マスクで埋める。 大規模な実験により,本手法は既存の手法のHDR画像品質を大幅に向上できることが示された。

関連論文リスト

• Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
  近年の拡散モデル (DM) はHDRイメージング分野に導入されている。 DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。 ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-01T01:32:11Z)
• Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in Dynamic Scenes [58.66427721308464]
  Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。 Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-10-03T07:10:49Z)
• SMAE: Few-shot Learning for HDR Deghosting with Saturation-Aware Masked Autoencoders [97.64072440883392]
  そこで本研究では,SSHDRと呼ばれる2段階の訓練を通した短距離HDRイメージングを実現するための,新しい半教師付きアプローチを提案する。 以前の方法とは異なり、コンテンツを直接回復し、ゴーストを同時に除去することは、最適に達成することが難しい。 実験により、SSHDRは異なるデータセットの内外における定量的かつ定性的に最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-04-14T03:42:51Z)
• HDR Reconstruction from Bracketed Exposures and Events [12.565039752529797]
  高品質なHDR画像の再構成は、現代の計算写真の中心にある。 特徴領域におけるブラケット画像とイベントを融合したマルチモーダルなエンドツーエンド学習型HDRイメージングシステムを提案する。 我々のフレームワークは、スライディングウィンドウを使用して入力イベントストリームをサブサンプリングすることで、イベントの時間分解能を高める。
  論文  参考訳（メタデータ） (2022-03-28T15:04:41Z)
• HDR-cGAN: Single LDR to HDR Image Translation using Conditional GAN [24.299931323012757]
  低ダイナミックレンジ(LDR)カメラは、現実世界のシーンの広いダイナミックレンジを表現できない。 本研究では,HDR画像の再構成を行いながら,飽和領域の詳細を復元する深層学習手法を提案する。 本稿では,HDR-REALデータセットとHDR-SYNTHデータセットに対して,エンドツーエンドでトレーニングされた新しい条件付きGAN(cGAN)ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-04T18:50:35Z)
• 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)
• Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
  本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。 我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。 提案手法は,最先端の単一画像HDR再構成アルゴリズム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） (2020-04-02T17:59:04Z)

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。