論文の概要: Color Constancy in Hyperspectral Imaging via Reduced Spectral Spaces

• arxiv url: http://arxiv.org/abs/2605.13306v1
• Date: Wed, 13 May 2026 10:19:20 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-05-14 23:30:27.97777
• Title: Color Constancy in Hyperspectral Imaging via Reduced Spectral Spaces
• Title（参考訳）: スペクトル空間の縮小によるハイパースペクトルイメージングにおける色の一致
• Abstract要約: スペクトル次元と表現選択が高スペクトルデータを用いた照度推定性能に及ぼす影響について検討する。 結果は、高スペクトル情報を効率的に照度推定に活用する方法に関する実践的な洞察を与える。
• 参考スコア（独自算出の注目度）: 24.406401715747787
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Illuminant estimation aims to infer scene illumination from image measurements despite intrinsic ambiguities between surface reflectance and lighting. Most existing methods operate on trichromatic RGB images and are therefore fundamentally limited by the restricted spectral information available. Hyperspectral imaging provides a much richer representation of scene radiance and has the potential to alleviate these ambiguities. However, its high dimensionality poses computational and statistical challenges. In this work, we systematically study the effect of spectral dimensionality and representation choice on illuminant estimation performance using hyperspectral data. We adopt the practical and effective Color-by-Correlation (CbC) framework as the estimation backbone and analyze its behavior under different spectral dimensionality reduction strategies. Our results offer practical insights into how hyperspectral information can be efficiently exploited for illuminant estimation and identify conditions under which compact spectral representations outperform conventional RGB-based approaches. The code is available at https://github.com/IVRL/Reduced-Spectral-Color-Constancy.
• Abstract（参考訳）: 照度推定は, 表面反射率と照度との固有なあいまいさに拘わらず, 画像計測からシーン照度を推定することを目的としている。 既存のほとんどの方法は、トリクロマチックなRGB画像に基づいており、それゆえ、利用可能な制限されたスペクトル情報によって根本的に制限されている。 ハイパースペクトルイメージングは、シーンの放射率をよりリッチに表現し、これらの曖昧さを緩和する可能性がある。 しかし、その高次元性は計算と統計の課題を引き起こす。 本研究では,スペクトル次元と表現選択が高スペクトルデータを用いた照度推定性能に及ぼす影響を系統的に検討する。 評価バックボーンとして実用的で効果的なColor-by-Correlation(CbC)フレームワークを採用し,その挙動を異なるスペクトル次元減少戦略の下で解析する。 本研究は,高スペクトル情報を効率よく利用して照度推定し,コンパクトなスペクトル表現が従来のRGB手法より優れている条件を特定するための実践的な知見を提供する。 コードはhttps://github.com/IVRL/Reduced-Spectral-Color-Constancyで公開されている。

関連論文リスト

• Spectrum Aware Illumination Estimation Using Multispectral Image [10.447110747618183]
  マルチスペクトル(MS)イメージングは従来のRGB画像を超えて、より多くのスペクトル帯域をキャプチャし、照度推定(ISE)を改善する。 既存の手法ではスペクトル情報を十分に活用することができず、様々な照明条件下でのスペクトル下性能が向上する。 スペクトル相関性を高め,照度関連空間的特徴を保存するための注意機構を組み込んだ特徴抽出ブロック付きディープラーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-06-12T08:26:59Z)
• Near-Light Color Photometric Stereo for mono-Chromaticity non-lambertian surface [67.4383975650003]
  本稿では,一色性の仮定の下で,ニューラル暗黙表現を深度とBRDFモデリングに活用するフレームワークを提案する。 合成および実世界の両方のデータセットに対する実験により,本手法が高精度で堅牢な表面再構成を実現することを示す。
  論文  参考訳（メタデータ） (2026-01-19T02:26:08Z)
• S2ML: Spatio-Spectral Mutual Learning for Depth Completion [56.26679539288063]
  RGB-Dカメラで撮影した生深度画像は、弱い反射、境界影、アーティファクトによって不完全な深度値に悩まされることが多い。 既存の手法では、画像領域の深度補完によってこの問題に対処するが、それらは生の深度画像の物理的特性を見落としている。 本研究では,空間領域と周波数領域の両方の利点を両立させるため,S2ML(Spatio-Spectral Mutual Learning framework)を提案する。
  論文  参考訳（メタデータ） (2025-11-08T15:01:55Z)
• Comprehensive Modeling of Camera Spectral and Color Behavior [0.0]
  本稿では,RGBデジタルカメラのスペクトル応答をモデル化する新しい手法を提案する。 その結果,色忠実度とスペクトル精度を向上させる効果が示された。 このアプローチは、科学的、工業的、創造的な領域でカメラシステムを最適化するための強力なツールを提供する。
  論文  参考訳（メタデータ） (2025-07-07T02:24:42Z)
• CARL: Camera-Agnostic Representation Learning for Spectral Image Analysis [69.02751635551724]
  スペクトルイメージングは、医療や都市景観の理解など、様々な領域で有望な応用を提供する。 スペクトルカメラのチャネル次元と捕獲波長のばらつきは、AI駆動方式の開発を妨げる。 本稿では,RGB,マルチスペクトル,ハイパースペクトル画像を用いたカメラ非依存表現学習モデルCARLを紹介する。
  論文  参考訳（メタデータ） (2025-04-27T13:06:40Z)
• Correlation Hyperspectral Imaging [0.0]
  ハイパースペクトルイメージングは、高解像度で光の空間分布とスペクトル分布の両方に関する情報を提供することを目的としている。 従来のハイパースペクトル画像技術の典型的な欠点を克服できる光強度相関を利用して、この制限に対処する。 空間・スペクトルの高分解能化,高速化,望ましくないスペクトル特性に対する感度化の両立は,ハイパースペクトルイメージング装置のパラダイム変更につながる。
  論文  参考訳（メタデータ） (2024-07-18T19:54:44Z)
• Hyperspectral Dataset and Deep Learning methods for Waste from Electric and Electronic Equipment Identification (WEEE) [0.0]
  ハイパースペクトル画像分割のための多種多様なディープラーニングアーキテクチャの性能を評価する。 その結果,空間情報をスペクトルデータと組み合わせることで,セグメンテーション結果が改善された。 我々は、Tecnalia WEEE Hyperspectralデータセットのクリーニングと公開によって、この分野に貢献する。
  論文  参考訳（メタデータ） (2024-07-05T13:45:11Z)
• HyperColorization: Propagating spatially sparse noisy spectral clues for reconstructing hyperspectral images [2.7214317850962106]
  グレースケールガイド画像から高スペクトル像を再構成し,空間的に粗いスペクトル手がかりを抽出するカラー化を提案する。 提案アルゴリズムは,高スペクトル画像の様々なスペクトル次元に一般化し,低ランク空間における色付けが計算時間とショットノイズの影響を低減させることを示す。
  論文  参考訳（メタデータ） (2024-03-18T16:33:43Z)
• Limitations of Data-Driven Spectral Reconstruction -- An Optics-Aware Analysis [27.72795283513315]
  データ駆動スペクトル再構成は、費用対効果の高いRGBカメラで捉えたRGB画像からスペクトル情報を抽出することを目的としている。 我々は、現在のデータセットに対する過度に適合する制限を評価する。 我々は,RGBのスペクトル法におけるメタメカや準メタメカの条件を扱うための基本的な限界を明らかにした。
  論文  参考訳（メタデータ） (2024-01-08T11:46:45Z)
• ESSAformer: Efficient Transformer for Hyperspectral Image Super-resolution [76.7408734079706]
  単一ハイパースペクトル像超解像(単一HSI-SR)は、低分解能観測から高分解能ハイパースペクトル像を復元することを目的としている。 本稿では,1つのHSI-SRの繰り返し精製構造を持つESSA注目組込みトランスフォーマネットワークであるESSAformerを提案する。
  論文  参考訳（メタデータ） (2023-07-26T07:45:14Z)
• Spectral Splitting and Aggregation Network for Hyperspectral Face Super-Resolution [82.59267937569213]
  高分解能(HR)ハイパースペクトル顔画像は、制御されていない条件下での顔関連コンピュータビジョンタスクにおいて重要な役割を果たす。 本稿では,ハイパースペクトル顔画像への深層学習手法の適用方法について検討する。 限られたトレーニングサンプルを用いたHFSRのためのスペクトル分割集約ネットワーク(SSANet)を提案する。
  論文  参考訳（メタデータ） (2021-08-31T02:13:00Z)
• Learning Spatial-Spectral Prior for Super-Resolution of Hyperspectral Imagery [79.69449412334188]
  本稿では,最先端の残差学習をベースとした単一グレー/RGB画像の超解像化手法について検討する。 本稿では,空間情報とハイパースペクトルデータのスペクトル間の相関をフル活用するための空間スペクトル先行ネットワーク(SSPN)を提案する。 実験結果から,SSPSR法により高分解能高分解能高分解能画像の詳細が得られた。
  論文  参考訳（メタデータ） (2020-05-18T14:25:50Z)

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。