論文の概要: Spectrum Aware Illumination Estimation Using Multispectral Image

• arxiv url: http://arxiv.org/abs/2606.14248v1
• Date: Fri, 12 Jun 2026 08:26:59 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-15 16:00:42.826938
• Title: Spectrum Aware Illumination Estimation Using Multispectral Image
• Title（参考訳）: マルチスペクトル画像を用いたスペクトル認識照明推定
• Authors: Hyejin Oh, Woo-Shik Kim, Sangyoon Lee, YungKyung Park, Je-Won Kang,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 10.447110747618183
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Multispectral (MS) imaging extends beyond conventional RGB imaging by capturing more spectral bands, thereby improving illuminant spectrum estimation (ISE). However, existing methods often fail to fully exploit spectral information, resulting in suboptimal performance under diverse lighting conditions and across different sensor domains. Hence, we propose a deep learning framework with a spatio-spectral feature extraction block, which incorporates spectral attention mechanisms to enhance spectral correlation and preserve illuminant-relevant spatial features. Through the inclusion of an illuminant prior (IP), our approach prioritizes specific channels that provide more meaningful information in an MS image. We also propose a spectral-domain transform across different MS sensor spaces. The results demonstrate that illuminant spectra learned in high-dimensional sensor spaces can be effectively transformed to various lower-dimensional camera sensor spaces without any additional training. To facilitate evaluation, we introduce a real-world MS dataset containing high-dimensional ground-truth illumination spectra captured under diverse lighting conditions. Through extensive experiments, we demonstrate that our method achieves superior accuracy compared to existing models, thus providing a practical solution for real-world ISE. The code and dataset are available at https://github.com/hyejin5/Spectrum-Aware-Illumination-Estimation-Using-Multispectral-Image.
• Abstract（参考訳）: マルチスペクトル(MS)イメージングは従来のRGBイメージングを超えて、より多くのスペクトル帯域をキャプチャし、照度スペクトル推定(ISE)を改善する。 しかし、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、また異なるセンサー領域にわたって、最適以下の性能が得られる。 そこで,スペクトル相関の強化と照度関連空間特徴の保存を目的としたスペクトル注意機構を組み込んだスペクトルスペクトル特徴抽出ブロックを用いた深層学習フレームワークを提案する。 本手法では,照明前処理 (IP) を取り入れることで,MS画像に有意義な情報を提供する特定のチャネルを優先する。 また、異なるMSセンサ空間にまたがるスペクトル領域変換を提案する。 その結果,高次元センサ空間で学んだ照度スペクトルは,付加的な訓練を伴わずに,様々な低次元カメラ空間に効果的に変換できることが示唆された。 評価を容易にするために,様々な照明条件下で取得した高次元地中照度スペクトルを含む実世界のMSデータセットを提案する。 実験により,本手法は既存モデルと比較して精度が向上し,実世界のISEに実用的なソリューションを提供することを示した。 コードとデータセットはhttps://github.com/hyejin5/Spectrum-Aware-Illumination-Estimation-Using-Multispectral-Imageで公開されている。

関連論文リスト

• Label-Efficient Hyperspectral Image Classification via Spectral FiLM Modulation of Low-Level Pretrained Diffusion Features [22.476787402621138]
  本研究では,自然画像上に事前学習した凍結拡散モデルから空間的特徴を利用するラベル効率のフレームワークを提案する。 本結果は,事前学習した拡散モデルが,ドメインに依存しない,ラベル効率のよい表現学習を支援することを示唆している。
  論文  参考訳（メタデータ） (2025-12-03T04:23:54Z)
• SpectrumFM: Redefining Spectrum Cognition via Foundation Modeling [65.65474629224558]
  本稿ではスペクトル認識のための新しいパラダイムを提供するスペクトルFMと呼ばれるスペクトル基盤モデルを提案する。 畳み込みニューラルネットワークを利用した革新的なスペクトルエンコーダを提案し、スペクトルデータにおける微細な局所信号構造と高レベルのグローバルな依存関係の両方を効果的に捕捉する。 2つの新しい自己教師型学習タスク、すなわちマスク付き再構成と次のスロット信号予測が、SpectrumFMの事前学習のために開発され、モデルがリッチで伝達可能な表現を学習できるようにする。
  論文  参考訳（メタデータ） (2025-08-02T14:40:50Z)
• MTSIC: Multi-stage Transformer-based GAN for Spectral Infrared Image Colorization [26.33768545616346]
  既存のカラー化手法は、スペクトル情報に制限があり、特徴抽出能力が不十分なシングルバンド画像に依存している。 本稿では、スペクトル情報を統合し、赤外線画像のカラー化を強化するために、GAN(Generative Adversarial Network)ベースのフレームワークを提案する。 実験の結果,提案手法は従来の手法よりも優れ,赤外線画像の視覚的品質を効果的に向上させることがわかった。
  論文  参考訳（メタデータ） (2025-06-21T01:42:25Z)
• 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)
• Physics-Free Spectrally Multiplexed Photometric Stereo under Unknown Spectral Composition [10.620997969499205]
  照明やセンサの調整を必要とせずに、表面の正常を回復するための地上多重光度ステレオ手法を提案する。 スペクトルあいまいさを利点として受け入れることで、特殊なマルチスペクトルレンダリングフレームワークを使わずにトレーニングデータを生成することができる。 物理のないユニークなネットワークアーキテクチャであるSpectraM-PSを導入し、多重化画像を効果的に処理して表面の正規性を決定する。
  論文  参考訳（メタデータ） (2024-10-28T04:03:37Z)
• 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)
• SpectralGPT: Spectral Remote Sensing Foundation Model [60.023956954916414]
  SpectralGPTという名前のユニバーサルRS基盤モデルは、新しい3D生成事前学習変換器(GPT)を用いてスペクトルRS画像を処理するために構築されている。 既存の基礎モデルと比較して、SpectralGPTは、様々なサイズ、解像度、時系列、領域をプログレッシブトレーニング形式で対応し、広範なRSビッグデータのフル活用を可能にする。 我々の評価では、事前訓練されたスペクトルGPTモデルによる顕著な性能向上が強調され、地球科学分野におけるスペクトルRSビッグデータ応用の進展に有意な可能性を示唆している。
  論文  参考訳（メタデータ） (2023-11-13T07:09:30Z)

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。