論文の概要: Dual-Exposure Imaging with Events

• arxiv url: http://arxiv.org/abs/2604.10273v1
• Date: Sat, 11 Apr 2026 16:33:08 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-14 20:13:15.933176
• Title: Dual-Exposure Imaging with Events
• Title（参考訳）: イベントによるデュアル露光イメージング
• Authors: Mingyuan Lin, Hongyi Liu, Chu He, Wen Yang, Gui-Song Xia, Lei Yu,
• Abstract要約: 両露画像ペアとイベントから高品質な画像を再構成するイベントベースDIEアルゴリズムを提案する。 具体的には、この複雑なタスクを2つのサブタスク、すなわちイベントベースのモーションデブロアリングと低照度画像強調タスクの統合に分解する。
• 参考スコア（独自算出の注目度）: 42.58362522325131
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: By combining complementary benefits of short- and long-exposure images, Dual-Exposure Imaging (DEI) enhances image quality in low-light scenarios. However, existing DEI approaches inevitably suffer from producing artifacts due to spatial displacement from scene motion and image feature discrepancies from different exposure times. To tackle this problem, we propose a novel Event-based DEI (E-DEI) algorithm, which reconstructs high-quality images from dual-exposure image pairs and events, leveraging high temporal resolution of event cameras to provide accurate inter-/intra-frame dynamic information. Specifically, we decompose this complex task into an integration of two sub-tasks, i.e., event-based motion deblurring and low-light image enhancement tasks, which guides us to design E-DEI network as a dual-path parallel feature propagation architecture. We propose a Dual-path Feature Alignment and Fusion (DFAF) module to effectively align and fuse features extracted from dual-exposure images with assistance of events. Furthermore, we build a real-world Dataset containing Paired low-/normal-light Images and Events (PIED). Experiments on multiple datasets show the superiority of our method. The code and dataset are available at github.
• Abstract（参考訳）: 短い露光画像と長時間露光画像の相補的な利点を組み合わせることで、デュアル露光イメージング(DEI)は低照度シナリオにおける画質を向上させる。 しかし,既存のDIEアプローチでは,シーンの動きから空間的変位や露出時間の違いによる特徴の相違により,必然的に人工物の生成に苦しむ。 この問題に対処するために,両露画像ペアとイベントから高品質な画像を再構成し,イベントカメラの高時間分解能を利用して,フレーム間/イントラ動画像の正確な動的情報を提供する,イベントベースDIE(E-DEI)アルゴリズムを提案する。 具体的には、この複雑なタスクを2つのサブタスク、すなわちイベントベースのモーションデブリと低照度画像強調タスクの統合に分解し、E-DEIネットワークをデュアルパス並列特徴伝搬アーキテクチャとして設計する。 本稿では,デュアル露光画像から抽出した特徴をイベントの助けを借りて効果的に整列・融合するためのDFAF (Dual-path Feature Alignment and Fusion) モジュールを提案する。 さらに,Paired Low-/normal-light Images and Events (PIED)を含む実世界のデータセットを構築した。 複数のデータセットに対する実験は,本手法の優位性を示している。 コードとデータセットはgithubで入手できる。

関連論文リスト

• Bidirectional Image-Event Guided Fusion Framework for Low-Light Image Enhancement [24.5584423318892]
  極端に低照度な条件下では、フレームベースのカメラは、ダイナミックレンジの制限により、細部が著しく失われる。 近年の研究では、イベント誘導型低照度画像強調のためのイベントカメラが導入されている。 低光画像強調のための双方向画像イベント誘導融合フレームワークBiLIEを提案する。
  論文  参考訳（メタデータ） (2025-06-06T14:28:17Z)
• FUSE: Label-Free Image-Event Joint Monocular Depth Estimation via Frequency-Decoupled Alignment and Degradation-Robust Fusion [92.4205087439928]
  画像強調共同深度推定法は、頑健な知覚に相補的なモダリティを利用するが、一般化可能性の課題に直面している。 自己監督型転送(PST)と周波数デカップリング型フュージョンモジュール(FreDF)を提案する。 PSTは、画像基盤モデルとの遅延空間アライメントによるクロスモーダルな知識伝達を確立し、データ不足を効果的に軽減する。 FreDFは、低周波構造成分から高周波エッジ特性を明示的に分離し、モード比周波数ミスマッチを解消する。 この組み合わせのアプローチにより、FUSEはターゲットデータセットに対する軽量デコーダ適応のみを必要とするユニバーサルなイメージイベントを構築することができる。
  論文  参考訳（メタデータ） (2025-03-25T15:04:53Z)
• Exposure Bracketing Is All You Need For A High-Quality Image [50.822601495422916]
  マルチ露光画像は、デノイング、デブロアリング、高ダイナミックレンジイメージング、超解像において相補的である。 本研究では,これらの課題を組み合わせ,高品質な画像を得るために露光ブラケット写真を活用することを提案する。 特に時間変調リカレントネットワーク(TMRNet)と自己教師あり適応手法を提案する。
  論文  参考訳（メタデータ） (2024-01-01T14:14:35Z)
• Learning Parallax for Stereo Event-based Motion Deblurring [8.201943408103995]
  既存のアプローチは、インテンシティ・イメージとイベントの間の完全なピクセルワイド・アライメントに依存している。 我々は,Stereoイベントと強度カメラ(St-EDNet)を併用したイベントベース動作のNetwork of Event-based motionを提案する。 我々はSTEIC(Stereo Event and Intensity Cameras)を用いた新しいデータセットを構築し、現実世界のイベント、強度画像、密度の異なるマップを含む。
  論文  参考訳（メタデータ） (2023-09-18T06:51:41Z)

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。