論文の概要: High Dynamic Range Novel View Synthesis with Single Exposure

• arxiv url: http://arxiv.org/abs/2505.01212v2
• Date: Mon, 19 May 2025 14:22:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-20 17:08:52.849241
• Title: High Dynamic Range Novel View Synthesis with Single Exposure
• Title（参考訳）: 単一露光による高ダイナミックレンジ新規ビュー合成
• Authors: Kaixuan Zhang, Hu Wang, Minxian Li, Mingwu Ren, Mao Ye, Xiatian Zhu,
• Abstract要約: 高ダイナミックレンジノベルビュー合成(NV-NVS)は,低ダイナミックレンジ(LDR)画像から3次元シーンHDRモデルを構築することを目的としている。 トレーニング期間中に初めて、単一の露光LDRイメージが利用可能になった。
• 参考スコア（独自算出の注目度）: 43.50001955428593
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: High Dynamic Range Novel View Synthesis (HDR-NVS) aims to establish a 3D scene HDR model from Low Dynamic Range (LDR) imagery. Typically, multiple-exposure LDR images are employed to capture a wider range of brightness levels in a scene, as a single LDR image cannot represent both the brightest and darkest regions simultaneously. While effective, this multiple-exposure HDR-NVS approach has significant limitations, including susceptibility to motion artifacts (e.g., ghosting and blurring), high capture and storage costs. To overcome these challenges, we introduce, for the first time, the single-exposure HDR-NVS problem, where only single exposure LDR images are available during training. We further introduce a novel approach, Mono-HDR-3D, featuring two dedicated modules formulated by the LDR image formation principles, one for converting LDR colors to HDR counterparts, and the other for transforming HDR images to LDR format so that unsupervised learning is enabled in a closed loop. Designed as a meta-algorithm, our approach can be seamlessly integrated with existing NVS models. Extensive experiments show that Mono-HDR-3D significantly outperforms previous methods. Source code will be released.
• Abstract（参考訳）: 高ダイナミックレンジノベルビュー合成(HDR-NVS)は,低ダイナミックレンジ(LDR)画像から3次元シーンHDRモデルを構築することを目的としている。 通常、複数の露光LDR画像は、シーン内の明るい領域と暗い領域の両方を同時に表現できないため、より広い範囲の明るさレベルをキャプチャするために使用される。 効果的ではあるが、この多重露光HDR-NVSアプローチには、モーションアーティファクト(例えばゴーストやぼやけ)への感受性、高いキャプチャとストレージコストなど、大きな制限がある。 これらの課題を克服するために、トレーニング中に単一の露光LDR画像しか利用できない単一露光HDR-NVS問題を紹介した。 さらに,LDR画像形成原理で定式化された2つの専用モジュール,LDR色をHDRに変換するモジュール,およびHDR画像をLDRに変換するモジュールを,教師なし学習を閉ループで可能とする,新たなアプローチであるMono-HDR-3Dを導入する。 メタアルゴリズムとして設計され、既存のNVSモデルとシームレスに統合できる。 大規模な実験により、Mono-HDR-3Dは従来の方法よりも大幅に優れていた。 ソースコードはリリースされます。

関連論文リスト

• HDR-GS: Efficient High Dynamic Range Novel View Synthesis at 1000x Speed via Gaussian Splatting [76.5908492298286]
  既存のHDR NVS法は主にNeRFに基づいている。 訓練時間は長く、推論速度は遅い。 我々は新しいフレームワークHigh Dynamic Range Gaussian Splatting (-GS)を提案する。
  論文  参考訳（メタデータ） (2024-05-24T00:46:58Z)
• Bracket Diffusion: HDR Image Generation by Consistent LDR Denoising [29.45922922270381]
  複数のブラックボックス, 事前学習されたLDR画像拡散モデルの協調動作を用いたHDR画像の生成を実演する。 有効なHDR結果を生成する複数のLDRブラケットを生成するために,複数の復調処理を運用する。 現状未条件および条件回復型(LDR2)生成モデルの結果は,まだHDRでは示されていない。
  論文  参考訳（メタデータ） (2024-05-23T08:24:22Z)
• GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
  そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。 鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。 実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
  論文  参考訳（メタデータ） (2022-11-22T15:42:08Z)
• 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)

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。