論文の概要: Deblurring in the Wild: A Real-World Dataset from Smartphone High-Speed Videos
- arxiv url: http://arxiv.org/abs/2506.19445v1
- Date: Tue, 24 Jun 2025 09:17:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-06-25 19:48:23.567521
- Title: Deblurring in the Wild: A Real-World Dataset from Smartphone High-Speed Videos
- Title（参考訳）: スマートフォンの高速ビデオからリアルタイムのデータセットを収集する「Deblurring in the Wild」
- Authors: Mahdi Mohd Hossain Noki, Syed Mumtahin Mahmud, Prothito Shovon Majumder, Abdul Mohaimen Al Radi, Md. Haider Ali, Md. Mosaddek Khan,
- Abstract要約: スマートフォンのスローモーションビデオから構築した,世界最大規模の画像デブロアリングデータセットについて紹介する。
240フレームを1秒でキャプチャすることで、フレームの平均化によって現実的な長時間露光のぼかしをシミュレートし、ぼかし画像を生成する。
我々のデータセットには42,000以上の高解像度のぼかしシャープ画像ペアが含まれており、広く使われているデータセットの約10倍の大きさである。
- 参考スコア（独自算出の注目度）: 0.9499962065972481
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We introduce the largest real-world image deblurring dataset constructed from smartphone slow-motion videos. Using 240 frames captured over one second, we simulate realistic long-exposure blur by averaging frames to produce blurry images, while using the temporally centered frame as the sharp reference. Our dataset contains over 42,000 high-resolution blur-sharp image pairs, making it approximately 10 times larger than widely used datasets, with 8 times the amount of different scenes, including indoor and outdoor environments, with varying object and camera motions. We benchmark multiple state-of-the-art (SOTA) deblurring models on our dataset and observe significant performance degradation, highlighting the complexity and diversity of our benchmark. Our dataset serves as a challenging new benchmark to facilitate robust and generalizable deblurring models.
- Abstract（参考訳）: スマートフォンのスローモーションビデオから構築した,世界最大規模の画像デブロアリングデータセットについて紹介する。
240フレームを1秒でキャプチャし,時間中心のフレームをシャープレファレンスとして使用しながら,フレームを平均化することにより,現実的な長時間露光のぼかしをシミュレートし,ぼやけた画像を生成する。
我々のデータセットには42,000以上の高解像度のぼかしシャープ画像ペアが含まれており、これは広く使われているデータセットの約10倍の大きさであり、屋内や屋外の環境など、さまざまな物体やカメラの動きの8倍の大きさである。
我々は、データセット上で複数のSOTA(State-of-the-art)デブロアリングモデルをベンチマークし、大きなパフォーマンス劣化を観察し、ベンチマークの複雑さと多様性を強調します。
我々のデータセットは、堅牢で一般化可能なデブロアリングモデルを促進するために、挑戦的な新しいベンチマークとして役立ちます。
関連論文リスト
- GS-Blur: A 3D Scene-Based Dataset for Realistic Image Deblurring [50.72230109855628]
本稿では,新しい手法を用いて合成されたリアルなぼやけた画像のデータセットであるGS-Blurを提案する。
まず,3Dガウス・スプレイティング(3DGS)を用いて多視点画像から3Dシーンを再構成し,ランダムに生成された運動軌跡に沿ってカメラビューを移動させてぼやけた画像を描画する。
GS-Blurの再構築に様々なカメラトラジェクトリを採用することで、我々のデータセットは現実的で多様な種類のぼかしを含み、現実世界のぼかしをうまく一般化する大規模なデータセットを提供する。
論文 参考訳（メタデータ） (2024-10-31T06:17:16Z) - Diversity-Driven View Subset Selection for Indoor Novel View Synthesis [54.468355408388675]
本稿では、包括的多様性に基づく測定と、よく設計されたユーティリティ機能を統合する新しいサブセット選択フレームワークを提案する。
私たちのフレームワークは、データの5～20%しか使用せずに、ベースライン戦略を一貫して上回ります。
論文 参考訳（メタデータ） (2024-09-11T08:36:49Z) - CMTA: Cross-Modal Temporal Alignment for Event-guided Video Deblurring [44.30048301161034]
ビデオデブロアリングは、隣接するビデオフレームから情報を集めることで、モーションレッドビデオの復元結果の品質を高めることを目的としている。
1) フレーム内機能拡張は, 単一のぼやけたフレームの露出時間内で動作し, 2) フレーム間時間的特徴アライメントは, 重要な長期時間情報を対象のフレームに収集する。
提案手法は, 合成および実世界のデブロアリングデータセットを用いた広範囲な実験により, 最先端のフレームベースおよびイベントベース動作デブロアリング法より優れていることを示す。
論文 参考訳（メタデータ） (2024-08-27T10:09:17Z) - BVI-RLV: A Fully Registered Dataset and Benchmarks for Low-Light Video Enhancement [56.97766265018334]
本稿では,2つの異なる低照度条件下での様々な動きシナリオを持つ40のシーンからなる低照度映像データセットを提案する。
我々は、プログラム可能なモータードリーを用いて、通常の光で捉えた完全に登録された地上真実データを提供し、異なる光レベルにわたるピクセルワイドフレームアライメントのための画像ベースアプローチによりそれを洗練する。
実験の結果,Low-light Video enhancement (LLVE) における完全登録ビデオペアの重要性が示された。
論文 参考訳（メタデータ） (2024-07-03T22:41:49Z) - An Asynchronous Linear Filter Architecture for Hybrid Event-Frame Cameras [9.69495347826584]
本稿では,HDRビデオ再構成と空間畳み込みのための非同期線形フィルタアーキテクチャを提案する。
提案したAKFパイプラインは、絶対強度誤差(69.4%削減)と画像類似度指数(平均35.5%改善)の両方において、他の最先端手法よりも優れている。
論文 参考訳（メタデータ） (2023-09-03T12:37:59Z) - Joint Video Multi-Frame Interpolation and Deblurring under Unknown
Exposure Time [101.91824315554682]
本研究では,より現実的で挑戦的なタスク – 複数フレームのジョイントビデオと,未知の露光時間下での劣化 – を野心的に目標とする。
我々はまず,入力されたぼやけたフレームから露出認識表現を構築するために,教師付きコントラスト学習の変種を採用する。
次に、プログレッシブ露光適応型畳み込みと動き改善による露出と動きの表現に基づいて、映像再構成ネットワークを構築した。
論文 参考訳（メタデータ） (2023-03-27T09:43:42Z) - MC-Blur: A Comprehensive Benchmark for Image Deblurring [127.6301230023318]
ほとんどの実世界の画像では、ブラーは動きやデフォーカスなど様々な要因によって引き起こされる。
我々は,MC-Blurと呼ばれる大規模マルチライク画像デブロアリングデータセットを新たに構築する。
MC-Blurデータセットに基づいて,異なるシナリオにおけるSOTA法の比較を行う。
論文 参考訳（メタデータ） (2021-12-01T02:10:42Z)
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。