論文の概要: Learning Camera-Agnostic White-Balance Preferences

• arxiv url: http://arxiv.org/abs/2507.01342v1
• Date: Wed, 02 Jul 2025 04:11:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-03 14:23:00.042348
• Title: Learning Camera-Agnostic White-Balance Preferences
• Title（参考訳）: カメラ非依存のホワイトバランスの嗜好を学習する
• Authors: Luxi Zhao, Mahmoud Afifi, Michael S. Brown,
• Abstract要約: ポストイルミナント推定マッピングは、中性イルミナント補正をカメラ非依存空間における好ましい補正に変換する。 提案したモデルは軽量($sim$500のパラメータのみを含む)で、一般的なフラッグシップモバイルCPU上では0.024ミリ秒で動作します。
• 参考スコア（独自算出の注目度）: 30.282495562510285
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The image signal processor (ISP) pipeline in modern cameras consists of several modules that transform raw sensor data into visually pleasing images in a display color space. Among these, the auto white balance (AWB) module is essential for compensating for scene illumination. However, commercial AWB systems often strive to compute aesthetic white-balance preferences rather than accurate neutral color correction. While learning-based methods have improved AWB accuracy, they typically struggle to generalize across different camera sensors -- an issue for smartphones with multiple cameras. Recent work has explored cross-camera AWB, but most methods remain focused on achieving neutral white balance. In contrast, this paper is the first to address aesthetic consistency by learning a post-illuminant-estimation mapping that transforms neutral illuminant corrections into aesthetically preferred corrections in a camera-agnostic space. Once trained, our mapping can be applied after any neutral AWB module to enable consistent and stylized color rendering across unseen cameras. Our proposed model is lightweight -- containing only $\sim$500 parameters -- and runs in just 0.024 milliseconds on a typical flagship mobile CPU. Evaluated on a dataset of 771 smartphone images from three different cameras, our method achieves state-of-the-art performance while remaining fully compatible with existing cross-camera AWB techniques, introducing minimal computational and memory overhead.
• Abstract（参考訳）: 現代のカメラにおける画像信号プロセッサ(ISP)パイプラインは、生のセンサーデータを視覚的に楽しむ画像に変換するいくつかのモジュールで構成されている。 これらのうち、オートホワイトバランス(AWB)モジュールはシーン照明の補償に不可欠である。 しかし、商用のAWBシステムは、正確な中性色補正よりも美的なホワイトバランスの選好を計算しようとすることが多い。 学習ベースの手法ではAWBの精度が向上しているが、通常、複数のカメラを搭載したスマートフォンで問題となる、さまざまなカメラセンサーの一般化に苦慮している。 近年の研究では、クロスカメラのAWBを探索しているが、ほとんどの手法は中立的なホワイトバランスを達成することに重点を置いている。 対照的に、この論文は、中性イルミナント補正をカメラ非依存空間における審美的に好まれる補正に変換するポストイルミナント推定写像を学習することで、初めて美的整合性に対処するものである。 トレーニングが完了すれば、中立的なAFBモジュールの後にマッピングを適用することで、目に見えないカメラ間で一貫したスタイルのカラーレンダリングが可能になります。 提案したモデルは軽量($\sim$500のパラメータのみを含む)で、一般的なフラッグシップモバイルCPU上では0.024ミリ秒で動作します。 提案手法は,3つの異なるカメラからの771個のスマートフォン画像のデータセットから評価し,既存のクロスカメラAFB技術と完全に互換性を持ちながら,最小限の計算およびメモリオーバーヘッドを実現する。

関連論文リスト

• CCMNet: Leveraging Calibrated Color Correction Matrices for Cross-Camera Color Constancy [45.85992386314982]
  ホワイトバランシング(ホワイトバランシング、英: white balance)は、カメラのイメージ信号プロセッサ(ISP)のキーモジュールである。 本稿では、新しいカメラに再トレーニングをせずに一般化する、クロスカメラカラーコンスタンシーの学習手法を提案する。
  論文  参考訳（メタデータ） (2025-04-10T17:59:31Z)
• Time-Aware Auto White Balance in Mobile Photography [32.74472735591053]
  3,224個のスマートフォン画像のデータセットを導入し、様々な時間帯と様々な照明条件下でコンテキストメタデータを収集した。 データセットは、色チャートを用いて決定される地中照度照明色と、ユーザスタディにより検証されるユーザ優先照度を含む。
  論文  参考訳（メタデータ） (2025-04-08T02:45:37Z)
• Parameter Blending for Multi-Camera Harmonization for Automotive Surround View Systems [4.693433639736405]
  複数のカメラの色やトーンを調整するために縫合前に適用するハーモニゼーションアルゴリズムを提案する。 提案アルゴリズムは、視覚的品質と計算コストの両方において、グローバルカラー転送法より優れる。
  論文  参考訳（メタデータ） (2024-06-16T20:43:50Z)
• High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
  本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。 提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。 実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-29T13:31:28Z)
• Learning Enriched Illuminants for Cross and Single Sensor Color Constancy [182.4997117953705]
  ネットワークをトレーニングするためのクロスセンサ自己教師型トレーニングを提案する。 センサに依存しない方法で人工発光体をランダムにサンプリングすることでネットワークを訓練する。 実験により、我々のクロスセンサモデルとシングルセンサーモデルは、他の最先端手法よりも大きなマージンで優れていることが示された。
  論文  参考訳（メタデータ） (2022-03-21T15:45:35Z)
• Transform your Smartphone into a DSLR Camera: Learning the ISP in the Wild [159.71025525493354]
  本稿では,スマートフォンが取得したRAW画像に基づいて,DSLRの品質画像を生成する訓練可能な画像信号処理フレームワークを提案する。 トレーニング画像ペア間の色ずれに対処するために、カラー条件ISPネットワークを使用し、各入力RAWと基準DSLR画像間の新しいパラメトリック色マッピングを最適化する。
  論文  参考訳（メタデータ） (2022-03-20T20:13:59Z)
• Auto White-Balance Correction for Mixed-Illuminant Scenes [52.641704254001844]
  オートホワイトバランス(AWB)は、シーン照明によるカラーキャストを取り除くためにカメラハードウェアによって適用される。 本稿では,この混合照明シーンに有効なAWB手法を提案する。 本手法は従来のカメラAWBモジュールと同様,照度推定を必要としない。
  論文  参考訳（メタデータ） (2021-09-17T20:13:31Z)

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。