論文の概要: There and Back Again: A Flexible-Frame Transformer for Multi-Exposure Fusion

• arxiv url: http://arxiv.org/abs/2606.27905v2
• Date: Mon, 29 Jun 2026 03:15:00 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-30 15:56:39.064046
• Title: There and Back Again: A Flexible-Frame Transformer for Multi-Exposure Fusion
• Title（参考訳）: マルチ露光融合のためのフレキシブルフレーム変換器
• Abstract要約: マルチ露光核融合のためのフレキシブルフレーム変換器FreeMEFを提案する。 まず、任意の配列から連続的に特徴を融合する再帰状態空間モジュールを導入する。 次に,AFFN(Affine-injection Feed-forward Network)とEAHA(Affine-Aware Hybrid attention)を組み合わせたGFGB(Global Feature Guided Block)を考案した。
• 参考スコア（独自算出の注目度）: 33.80456021651473
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-exposure fusion (MEF) brings the dynamic range of conventional cameras closer to that of human vision, producing images with rich scene content. Given the large variability in scene luminance, exposure strategies often require different numbers of frames to capture the full radiance range faithfully. However, conventional MEF techniques are typically designed for a fixed number of inputs, forcing deployment systems to maintain separate models for different frame-count requirements, which undermines deployment efficiency. To address this limitation, we propose FreeMEF, the first flexible-frame transformer for MEF that seamlessly accommodates varying numbers of input exposures without retraining or architectural changes. The proposed approach consists of two key modules. First, we introduce a recurrent state space module (RSSM) that sequentially fuses features from arbitrary sequences via adaptive alignment and state-space recurrent modeling, thereby providing global information guidance for the subsequent restoration. Second, we devise a global feature guided block (GFGB) incorporating an extremity-aware hybrid attention (EAHA) and an affine-injection feed-forward network (AFFN), which effectively resolves the similarity paradox while simultaneously optimizing contrast and brightness regulation. Extensive experiments on three benchmark datasets demonstrate the effectiveness of our method, which performs favorably against state-of-the-art methods both quantitatively and qualitatively.
• Abstract（参考訳）: マルチ露光融合(MEF)は、従来のカメラのダイナミックレンジを人間の視界に近いものにし、リッチなシーン内容の画像を生成する。 シーン輝度の大きな可変性を考えると、露光戦略はフルラディアンス範囲を忠実に捉えるために、しばしば異なる数のフレームを必要とする。 しかし、従来のMEF技術は一般に一定数の入力のために設計されており、配置システムは異なるフレーム数要求に対して別々のモデルを維持せざるを得ず、配置効率を損なう。 この制限に対処するため、我々はMEFのための最初のフレキシブルフレームトランスフォーマーFreeMEFを提案する。 提案手法は2つの重要なモジュールから構成される。 まず、アダプティブアライメントとステート-スペース・リカレント・モデリングにより、任意のシーケンスから機能を逐次融合するリカレント・ステート・スペース・モジュール(RSSM)を導入し、その後の復元のためのグローバルな情報ガイダンスを提供する。 第2に,AFFN(Affine-Injection Feed-forward Network)とEAHA(Affine-Aware Hybrid attention)を併用したGFGB(Global Feature Guided Block)を考案し,コントラストと輝度の調整を同時に最適化し,類似性のパラドックスを効果的に解決する。 3つのベンチマークデータセットに対する大規模な実験により,提案手法の有効性が実証された。

関連論文リスト

• Coarse-to-fine Framework for Generative MEF via Implicit Neural Representation [32.04311237687492]
  マルチ露光融合(MEF)は、単一の露光が捉える範囲を超えて輝度範囲を広げる。 生成MEFの核融合品質と効率のバランスをとるための粗大なフレームワークであるLIIFusionを提案する。
  論文  参考訳（メタデータ） (2026-07-20T07:00:47Z)
• URWKV: Unified RWKV Model with Multi-state Perspective for Low-light Image Restoration [22.746234919635018]
  多状態視点を用いた統一受容重み付き鍵値(URWKV)モデルを提案する。 URWKVブロックのコアをカスタマイズし、複数のステージ内およびステージ間状態を利用して複雑な劣化を認識・解析する。 最先端モデルと比較して、URWKVモデルは様々なベンチマークにおいて優れた性能を発揮する。
  論文  参考訳（メタデータ） (2025-05-29T04:17:09Z)
• DiffusionSfM: Predicting Structure and Motion via Ray Origin and Endpoint Diffusion [53.70278210626701]
  マルチビュー画像から3次元シーン形状とカメラポーズを直接推定するデータ駆動型マルチビュー推論手法を提案する。 我々のフレームワークであるDiffusionSfMは、シーン幾何学とカメラを、グローバルフレーム内のピクセルワイズ線源とエンドポイントとしてパラメータ化します。 我々は、DiffusionSfMを合成データセットと実データセットの両方で実証的に検証し、古典的および学習ベースのアプローチよりも優れていることを示す。
  論文  参考訳（メタデータ） (2025-05-08T17:59:47Z)
• 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)
• DAE-Fuse: An Adaptive Discriminative Autoencoder for Multi-Modality Image Fusion [10.99351334478114]
  DAE-Fuseは,鮮明で自然な融合画像を生成する2相識別型自動エンコーダフレームワークである。 静止画像からビデオ領域への画像融合技術の拡張を開拓した。 DaE-Fuseは、複数のベンチマークで最先端のパフォーマンスを実現し、医用画像融合のようなタスクに優れた一般化性を持つ。
  論文  参考訳（メタデータ） (2024-09-16T08:37:09Z)
• A Dual Domain Multi-exposure Image Fusion Network based on the Spatial-Frequency Integration [57.14745782076976]
  マルチ露光画像融合は、異なる露光で画像を統合することにより、単一の高ダイナミック画像を生成することを目的としている。 本稿では,MEF-SFI と呼ばれる空間周波数統合フレームワークによるマルチ露光画像融合の新たな視点を提案する。 提案手法は,最先端のマルチ露光画像融合手法に対する視覚的近似核融合結果を実現する。
  論文  参考訳（メタデータ） (2023-12-17T04:45:15Z)
• Unified Frequency-Assisted Transformer Framework for Detecting and Grounding Multi-Modal Manipulation [109.1912721224697]
  本稿では、DGM4問題に対処するため、UFAFormerという名前のUnified Frequency-Assisted TransFormerフレームワークを提案する。 離散ウェーブレット変換を利用して、画像を複数の周波数サブバンドに分解し、リッチな顔偽造品をキャプチャする。 提案する周波数エンコーダは、帯域内およびバンド間自己アテンションを組み込んだもので、多種多様なサブバンド内および多種多様なフォージェリー特徴を明示的に集約する。
  論文  参考訳（メタデータ） (2023-09-18T11:06:42Z)
• Hybrid-Supervised Dual-Search: Leveraging Automatic Learning for Loss-free Multi-Exposure Image Fusion [60.221404321514086]
  マルチ露光画像融合(MEF)は、様々な露光レベルを表すデジタルイメージングの限界に対処するための重要な解決策である。 本稿では、ネットワーク構造と損失関数の両方を自動設計するための二段階最適化探索方式であるHSDS-MEFと呼ばれるMEFのためのハイブリッドスーパービジョンデュアルサーチ手法を提案する。
  論文  参考訳（メタデータ） (2023-09-03T08:07:26Z)
• Searching a Compact Architecture for Robust Multi-Exposure Image Fusion [55.37210629454589]
  2つの大きなスタブリングブロックは、画素の不一致や非効率な推論など、開発を妨げる。 本研究では,高機能なマルチ露光画像融合のための自己アライメントとディテールリプレクションモジュールを取り入れたアーキテクチャ検索に基づくパラダイムを提案する。 提案手法は様々な競争方式より優れており、一般的なシナリオではPSNRが3.19%向上し、不整合シナリオでは23.5%向上した。
  論文  参考訳（メタデータ） (2023-05-20T17:01:52Z)

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。