論文の概要: RealRep: Generalized SDR-to-HDR Conversion via Attribute-Disentangled Representation Learning
- arxiv url: http://arxiv.org/abs/2505.07322v2
- Date: Tue, 09 Sep 2025 10:18:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-09-10 14:38:26.813036
- Title: RealRep: Generalized SDR-to-HDR Conversion via Attribute-Disentangled Representation Learning
- Title（参考訳）: RealRep:Attribute-Disentangled Representation Learningによる一般化SDR-to-HDR変換
- Authors: Gang He, Siqi Wang, Kepeng Xu, Lin Zhang, Li Xu, Weiran Wang, Yu-Wing Tai,
- Abstract要約: WCG(High-Dynamic-Range Wide-Color-Gamut)技術が普及し,標準ダイナミックレンジ(SDR)コンテンツをHDRに変換する必要性が高まっている。
既存の方法は固定トーンマッピング演算子に依存しており、現実世界のSDRコンテンツに存在する様々な外観や劣化を扱うのに苦労している。
本稿では,構成不整合表現の学習により頑健性を高める一般化されたSDR-to- attribute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）: 51.19027658873778
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: High-Dynamic-Range Wide-Color-Gamut (HDR-WCG) technology is becoming increasingly widespread, driving a growing need for converting Standard Dynamic Range (SDR) content to HDR. Existing methods primarily rely on fixed tone mapping operators, which struggle to handle the diverse appearances and degradations commonly present in real-world SDR content. To address this limitation, we propose a generalized SDR-to-HDR framework that enhances robustness by learning attribute-disentangled representations. Central to our approach is Realistic Attribute-Disentangled Representation Learning (RealRep), which explicitly disentangles luminance and chrominance components to capture intrinsic content variations across different SDR distributions. Furthermore, we design a Luma-/Chroma-aware negative exemplar generation strategy that constructs degradation-sensitive contrastive pairs, effectively modeling tone discrepancies across SDR styles. Building on these attribute-level priors, we introduce the Degradation-Domain Aware Controlled Mapping Network (DDACMNet), a lightweight, two-stage framework that performs adaptive hierarchical mapping guided by a control-aware normalization mechanism. DDACMNet dynamically modulates the mapping process via degradation-conditioned features, enabling robust adaptation across diverse degradation domains. Extensive experiments demonstrate that RealRep consistently outperforms state-of-the-art methods in both generalization and perceptually faithful HDR color gamut reconstruction.
- Abstract（参考訳）: High-Dynamic-Range Wide-Color-Gamut (HDR-WCG)技術は、標準ダイナミックレンジ(SDR)コンテンツをHDRに変換する必要性が高まっている。
既存の手法は主に固定トーンマッピング演算子に依存しており、現実世界のSDRコンテンツに見られる様々な外観や劣化を扱うのに苦労している。
この制限に対処するため,属性不整合表現の学習によりロバスト性を高める一般化されたSDR-to-HDRフレームワークを提案する。
我々のアプローチの中心はRealistic Attribute-Disentangled Representation Learning (RealRep) であり、これはSDR分布にまたがる固有内容の変化を捉えるために、輝度と彩色成分を明示的に分解する。
さらに、劣化感受性のコントラスト対を構築し、SDRスタイル間のトーン差を効果的にモデル化するLuma-/Chroma-aware負例生成戦略を設計する。
このような属性レベルの事前情報に基づいて,DDACMNet(Degradation-Domain Aware Controlled Mapping Network)を導入する。
DDACMNetは、分解条件付き特徴によってマッピングプロセスを動的に変調し、多様な劣化領域をまたいだ堅牢な適応を可能にする。
広汎な実験により、RealRepは一般化と知覚に忠実なHDR色域再構成において、最先端の手法を一貫して上回ることを示した。
関連論文リスト
- Manifold-aware Representation Learning for Degradation-agnostic Image Restoration [135.90908995927194]
画像復元(IR)は、ノイズ、ぼかし、迷路、雨、低照度といった様々な汚職に影響を受ける劣化した入力から高品質な画像を復元することを目的としている。
我々は、入力特徴空間を3つのセマンティックに整列した並列分岐に明示的に分解する1つのIRにおいて、すべてに統一されたフレームワークであるMIRAGEを提案する。
このモジュラ分解は、多種多様な分解の一般化と効率を大幅に改善する。
論文 参考訳（メタデータ） (2025-05-24T12:52:10Z) - Semantic Aware Diffusion Inverse Tone Mapping [5.65968650127342]
逆トーンマッピングによる高ダイナミックレンジ(HDR)へのキャプチャー標準ダイナミックレンジ(SDR)画像のアップの試み
本稿では,SDR画像をHDRにマッピングする新たな逆トーンマッピング手法を提案する。
論文 参考訳（メタデータ） (2024-05-24T11:44:22Z) - FastHDRNet: A new efficient method for SDR-to-HDR Translation [5.224011800476952]
我々は「FastNet」と呼ばれるSDRからHDRへの変換のためのニューラルネットワークを提案する。
このアーキテクチャは、グローバル統計とローカル情報を超高効率で利用する軽量ネットワークとして設計されている。
論文 参考訳（メタデータ） (2024-04-06T03:25:24Z) - 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) - DSR-Diff: Depth Map Super-Resolution with Diffusion Model [38.68563026759223]
本稿では,遅延空間内の拡散モデルを用いて,深度マップの超解像誘導を行う新しいCDSRパラダイムを提案する。
提案手法は,最先端手法と比較して,広範囲な実験において優れた性能を示した。
論文 参考訳（メタデータ） (2023-11-16T14:18:10Z) - Style-Hallucinated Dual Consistency Learning: A Unified Framework for
Visual Domain Generalization [113.03189252044773]
本稿では,様々な視覚的タスクにおけるドメインシフトを処理するための統合フレームワークであるStyle-HAllucinated Dual consistEncy Learning (SHADE)を提案する。
我々の汎用SHADEは、画像分類、セマンティックセグメンテーション、オブジェクト検出など、様々な視覚認識タスクにおける一般化を著しく向上させることができる。
論文 参考訳（メタデータ） (2022-12-18T11:42:51Z) - Modality-Adaptive Mixup and Invariant Decomposition for RGB-Infrared
Person Re-Identification [84.32086702849338]
RGB-赤外線人物再同定のための新しいモダリティ適応混合・不変分解(MID)手法を提案する。
MIDは、RGBと赤外線画像の混合画像を生成するためのモダリティ適応混合方式を設計する。
2つの挑戦的なベンチマーク実験は、最先端の手法よりもMIDの優れた性能を示す。
論文 参考訳（メタデータ） (2022-03-03T14:26:49Z) - Invertible Tone Mapping with Selectable Styles [19.03179521805971]
本稿では,マルチ露光HDRを真のLDRに変換する可逆トーンマッピング法を提案する。
我々の可逆LDRは、ユーザが選択したトーンマッピングスタイルの外観を模倣することができる。
アップロードされた画像を再エンコードしたり、フォーマット変換したりできる既存のソーシャルネットワークプラットフォーム上で共有することができる。
論文 参考訳（メタデータ） (2021-10-09T07:32:36Z) - High-resolution Depth Maps Imaging via Attention-based Hierarchical
Multi-modal Fusion [84.24973877109181]
誘導DSRのための新しい注意に基づく階層型マルチモーダル融合ネットワークを提案する。
本手法は,再現精度,動作速度,メモリ効率の点で最先端手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-04-04T03:28:33Z) - MetaHDR: Model-Agnostic Meta-Learning for HDR Image Reconstruction [0.0]
低ダイナミックレンジ画像を高ダイナミックレンジ画像に変換する既存のアプローチは、すべての変換が同じ非線形マッピングによって管理されるという仮定によって制限される。
既存のHDRデータセットを用いたLDR-to-Model変換問題にメタラーニングを適用したHDR-Agnostic Image Reconstruction (Meta)を提案する。
論文 参考訳（メタデータ） (2021-03-20T07:56:45Z) - DDet: Dual-path Dynamic Enhancement Network for Real-World Image
Super-Resolution [69.2432352477966]
実画像超解像(Real-SR)は、実世界の高分解能画像(HR)と低分解能画像(LR)の関係に焦点を当てている。
本稿では,Real-SRのためのデュアルパス動的拡張ネットワーク(DDet)を提案する。
特徴表現のための大規模な畳み込みブロックを積み重ねる従来の手法とは異なり、非一貫性のある画像対を研究するためのコンテンツ認識フレームワークを導入する。
論文 参考訳（メタデータ） (2020-02-25T18:24:51Z)
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。