論文の概要: Lucky High Dynamic Range Smartphone Imaging

• arxiv url: http://arxiv.org/abs/2604.19976v1
• Date: Tue, 21 Apr 2026 20:35:36 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-04-23 15:36:10.838265
• Title: Lucky High Dynamic Range Smartphone Imaging
• Title（参考訳）: 幸運な高ダイナミックレンジイメージング
• Authors: Baiang Li, Ruyu Yan, Ethan Tseng, Zhoutong Zhang, Adam Finkelstein, Jiawen Chen, Felix Heide,
• Abstract要約: 本稿では,ハンドヘルドスマートフォンカメラと軽量ネットワークを用いて,ダイナミックレンジを頑健にキャプチャする手法を提案する。 合成画像と実ブラケット画像の両方で本システムの有効性を検証した。 私たちのトレーニングプロセスは、合成キャプチャのみに頼っていますが、いくつかのカメラの実際の写真を見るために一般化します。
• 参考スコア（独自算出の注目度）: 36.89557177931477
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: While the human eye can perceive an impressive twenty stops of dynamic range, smartphone camera sensors remain limited to about twelve stops despite decades of research. A variety of high dynamic range (HDR) image capture and processing techniques have been proposed, and, in practice, they can extend the dynamic range by 3-5 stops for handheld photography. This paper proposes an approach that robustly captures dynamic range using a handheld smartphone camera and lightweight networks suitable for running on mobile devices. Our method operates indirectly on linear raw pixels in bracketed exposures. Every pixel in the final HDR image is a convex combination of input pixels in the neighborhood, adjusted for exposure, and thus avoids hallucination artifacts typical of recent deep image synthesis networks. We validate our system on both synthetic imagery and unseen real bracketed images -- we confirm zero-shot generalization of the method to smartphone camera captures. Our iterative inference architecture is capable of processing an arbitrary number of bracketed input photos, and we show examples from capture stacks containing 3--9 images. Our training process relies only on synthetic captures yet generalizes to unseen real photos from several cameras. Moreover, we show that this training scheme improves other SOTA methods over their pretrained counterparts.
• Abstract（参考訳）: 人間の目は印象的な20のダイナミックレンジの停止を知覚できるが、スマートフォンのカメラセンサーは何十年にもわたって研究されているにもかかわらず、12の停止に制限されている。 様々なハイダイナミックレンジ(HDR)画像キャプチャと処理技術が提案されており、実際にハンドヘルド写真の3～5ストップまでダイナミックレンジを拡張することができる。 本稿では,携帯型スマートフォンカメラとモバイル端末上での動作に適した軽量ネットワークを用いて,ダイナミックレンジを頑健にキャプチャする手法を提案する。 本手法はブラケット露光時の線状原画素を間接的に操作する。 最終HDR画像の各画素は、近傍の入力画素の凸結合であり、露光のために調整され、近年の深層画像合成ネットワークに典型的な幻覚アーティファクトを避ける。 われわれのシステムは、合成画像と実写実写画像の両方で検証し、この手法をスマートフォンカメラのキャプチャーにゼロショットで一般化することを確認した。 我々の反復推論アーキテクチャは任意の数のブラケット入力写真を処理でき、3-9画像を含むキャプチャスタックの例を示す。 私たちのトレーニングプロセスは、合成キャプチャのみに頼っていますが、いくつかのカメラの実際の写真を見るために一般化します。 さらに,この学習手法は,事前訓練した他のSOTA手法よりも改善されていることを示す。

関連論文リスト

• MobileMEF: Fast and Efficient Method for Multi-Exposure Fusion [0.6261722394141346]
  本稿では,エンコーダ・デコーダ深層学習アーキテクチャに基づくマルチ露光融合手法を提案する。 我々のモデルは、中距離スマートフォンで2秒未満で4K解像度画像を処理できる。
  論文  参考訳（メタデータ） (2024-08-15T05:03:14Z)
• Deep Hybrid Camera Deblurring for Smartphone Cameras [18.053081461607544]
  スマートフォンのための学習型デブロアリングフレームワークを提案する。 我々は、長時間露光した広視野画像と短露光した超広視野画像をキャプチャし、そのバースト画像を用いて広視野像を損なう。 実験により, HCDeblurは最先端の劣化品質を達成できることが示された。
  論文  参考訳（メタデータ） (2023-12-20T11:02:59Z)
• Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in Dynamic Scenes [58.66427721308464]
  Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。 Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2023-10-03T07:10:49Z)
• Shakes on a Plane: Unsupervised Depth Estimation from Unstabilized Photography [54.36608424943729]
  2秒で取得した12メガピクセルのRAWフレームの「長バースト」では,自然手震動のみからの視差情報で高品質のシーン深度を回復できることが示されている。 我々は、長時間バーストデータにニューラルRGB-D表現を適合させるテスト時間最適化手法を考案し、シーン深度とカメラモーションを同時に推定する。
  論文  参考訳（メタデータ） (2022-12-22T18:54:34Z)
• Perceptual Image Enhancement for Smartphone Real-Time Applications [60.45737626529091]
  本稿では,知覚的画像強調のための軽量ネットワークLPIENetを提案する。 我々のモデルは、ノイズアーティファクト、回折アーティファクト、ぼかし、HDR過剰露光を扱うことができる。 我々のモデルは、中級商用スマートフォンで1秒未満で2K解像度画像を処理することができる。
  論文  参考訳（メタデータ） (2022-10-24T19:16:33Z)
• 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)
• Mesoscopic photogrammetry with an unstabilized phone camera [8.210210271599134]
  本稿では,3次元mesoscopic (mm-scale height variation)画像の定量化を可能にする特徴のないフォトグラム計算手法を提案する。 当社のエンドツーエンドのピクセル強度ベースのアプローチは、すべての画像を共同で登録し、整列高さマップを推定します。 また,他の複数フレーム登録問題に適用可能な時間とメモリの削減戦略を提案する。
  論文  参考訳（メタデータ） (2020-12-11T00:09:18Z)

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。