論文の概要: ProMist-5K: A Comprehensive Dataset for Digital Emulation of Cinematic Pro-Mist Filter Effects
- arxiv url: http://arxiv.org/abs/2601.19295v1
- Date: Tue, 27 Jan 2026 07:37:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-01-28 15:26:51.225615
- Title: ProMist-5K: A Comprehensive Dataset for Digital Emulation of Cinematic Pro-Mist Filter Effects
- Title（参考訳）: ProMist-5K:シネマティックプロミストフィルタ効果のディジタルエミュレーションのための包括的データセット
- Authors: Yingtie Lei, Zimeng Li, Chi-Man Pun, Wangyu Wu, Junke Yang, Xuhang Chen,
- Abstract要約: 撮影スタイルのエミュレーションをサポートするためのデータセットであるProMist-5Kを提案する。
シーン参照線形空間で物理的にインスパイアされたパイプラインを使用して構築される。
一般的なスタイルのデータセットとは異なり、ProMist-5Kはリアルな輝きと強調拡散効果に焦点を当てている。
- 参考スコア（独自算出の注目度）: 30.009722779161134
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Pro-Mist filters are widely used in cinematography for their ability to create soft halation, lower contrast, and produce a distinctive, atmospheric style. These effects are difficult to reproduce digitally due to the complex behavior of light diffusion. We present ProMist-5K, a dataset designed to support cinematic style emulation. It is built using a physically inspired pipeline in a scene-referred linear space and includes 20,000 high-resolution image pairs across four configurations, covering two filter densities (1/2 and 1/8) and two focal lengths (20mm and 50mm). Unlike general style datasets, ProMist-5K focuses on realistic glow and highlight diffusion effects. Multiple blur layers and carefully tuned weighting are used to model the varying intensity and spread of optical diffusion. The dataset provides a consistent and controllable target domain that supports various image translation models and learning paradigms. Experiments show that the dataset works well across different training settings and helps capture both subtle and strong cinematic appearances. ProMist-5K offers a practical and physically grounded resource for film-inspired image transformation, bridging the gap between digital flexibility and traditional lens aesthetics. The dataset is available at https://www.kaggle.com/datasets/yingtielei/promist5k.
- Abstract（参考訳）: プロミストフィルターは、軟らかいハレーション、低コントラスト、独特の大気スタイルを生み出す能力のために、シネマトグラフィーで広く使用されている。
これらの効果は光拡散の複雑な挙動のためにデジタル的に再現することが難しい。
撮影スタイルのエミュレーションをサポートするためのデータセットであるProMist-5Kを提案する。
物理的にインスピレーションを受けたパイプラインをシーン参照の線形空間で使用し、4つの構成からなる2万の高解像度画像対を含み、2つのフィルタ密度(1/2と1/8)と2つの焦点距離(20mmと50mm)をカバーしている。
一般的なスタイルのデータセットとは異なり、ProMist-5Kはリアルな輝きと強調拡散効果に焦点を当てている。
複数のぼやけた層と注意深く調整された重み付けは、光拡散の強度と広がりをモデル化するために用いられる。
このデータセットは、さまざまな画像翻訳モデルと学習パラダイムをサポートする一貫性があり、制御可能なターゲットドメインを提供する。
実験によると、データセットはさまざまなトレーニング設定でうまく機能し、微妙で強い撮影シーンの両方を捉えるのに役立つ。
ProMist-5Kは、デジタルフレキシビリティと従来のレンズ美学のギャップを埋めて、フィルムにインスパイアされた画像変換のための実用的で物理的に基盤化されたリソースを提供する。
データセットはhttps://www.kaggle.com/datasets/yingtielei/promist5kで公開されている。
関連論文リスト
- Generative Photographic Control for Scene-Consistent Video Cinematic Editing [75.45726688666083]
CineCtrlはプロのカメラパラメータを細かく制御する最初の映像編集フレームワークである。
本稿では、カメラの動きを写真入力から切り離すための分離されたクロスアテンション機構を提案する。
本モデルでは,ユーザの指定した写真カメラ効果を正確に制御した高忠実度ビデオを生成する。
論文 参考訳（メタデータ） (2025-11-17T03:17:23Z) - FIORD: A Fisheye Indoor-Outdoor Dataset with LIDAR Ground Truth for 3D Scene Reconstruction and Benchmarking [29.634708606525727]
本研究では,シーン再構築作業に適した魚眼画像データセットを提案する。
2つの200度の魚眼レンズを使って、私たちのデータセットは5つの屋内と5つの屋外のシーンの完全な360度カバレッジを提供します。
それぞれのシーンには、SfM点雲と正確なLIDAR由来の高密度な点雲があり、幾何学的な地平線として使用できる。
論文 参考訳（メタデータ） (2025-04-02T13:41:23Z) - UltraFusion: Ultra High Dynamic Imaging using Exposure Fusion [16.915597001287964]
ハイダイナミックレンジシーンのキャプチャは、カメラ設計において最も重要な問題の一つである。
差分9で入力をマージできる最初の露光融合技術であるモデルを提案する。
提案手法は最新のHDRベンチマークにおいてHDR-Transformerより優れている。
論文 参考訳（メタデータ） (2025-01-20T14:45:07Z) - 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) - Enhancing Underwater Imaging with 4-D Light Fields: Dataset and Method [77.80712860663886]
4次元光場(LF)は、光吸収、散乱、その他の課題に悩まされる水中イメージングを強化する。
水中4次元LF画像強調と深度推定のためのプログレッシブフレームワークを提案する。
学習手法の定量的評価と教師あり訓練のための,最初の4次元LFに基づく水中画像データセットを構築した。
論文 参考訳（メタデータ） (2024-08-30T15:06:45Z) - Curved Diffusion: A Generative Model With Optical Geometry Control [56.24220665691974]
最終シーンの外観に対する異なる光学系の影響は、しばしば見過ごされる。
本研究では,画像レンダリングに使用される特定のレンズとテキスト画像拡散モデルを密接に統合するフレームワークを提案する。
論文 参考訳（メタデータ） (2023-11-29T13:06:48Z) - Towards Real-World Video Deblurring by Exploring Blur Formation Process [53.91239555063343]
近年、深層学習に基づくアプローチは、ビデオデブロアリングタスクにおいて有望な成功を収めている。
既存の合成データセットで訓練されたモデルは、現実世界のぼやけたシナリオよりも一般化の問題に悩まされている。
本稿では, RAW-Blur と呼ばれる, ぼかし生成の手がかりを生かして, 現実的なぼかし合成パイプラインを提案する。
論文 参考訳（メタデータ） (2022-08-28T09:24:52Z) - Rendering Natural Camera Bokeh Effect with Deep Learning [95.86933125733673]
ボケ(Bokeh)は、写真に焦点をあてる重要な芸術効果である。
モバイルカメラは、光学の直径が非常に小さいため、被写界深度が浅い写真を作ることができない。
本稿では,デジタル一眼レフカメラで撮影された写真から直接,現実的な浅層焦点技術を学ぶことを提案する。
論文 参考訳（メタデータ） (2020-06-10T07:28:06Z)
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。