論文の概要: Bricker to BRACE: A Bracket Exposure RAW Dataset and Restoration Model for Flicker-Banding
- arxiv url: http://arxiv.org/abs/2606.29845v1
- Date: Mon, 29 Jun 2026 06:35:00 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-30 18:07:16.082501
- Title: Bricker to BRACE: A Bracket Exposure RAW Dataset and Restoration Model for Flicker-Banding
- Title（参考訳）: Bricker to BRACE: Flicker-Bandingのためのブラケット露光RAWデータセットと復元モデル
- Abstract要約: Brickerは、レイトレーシングベースの物理シミュレーションと自動マルチ露光キャプチャツールによって構築された、合成リアルなブラケットRAWデータセットである。
BRACEは、周波数対応バンドリングとマルチスケール空間配置変調器(MSCAM)を用いて、クロス露光空間融合を行うマルチフレーム復元モデルである。
実験は、合成ベンチマークと実ベンチマークの両方で最先端のパフォーマンスを示す。
- 参考スコア（独自算出の注目度）: 38.58522501736665
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Flicker-banding (FB), arises from temporal aliasing between a camera's rolling shutter and a display's brightness modulation, degrading screen-captured image readability with color shifts and jagged patterns. Existing single-frame methods with simplified parametric stripe models cannot reliably distinguish these artifacts from genuine texture. To address this, we conduct a systematic analysis of complex FB morphologies and reveal their significant variation across exposure settings, motivating a multi-frame bracketed RAW restoration paradigm. We construct Bricker, a synthetic-real bracketed RAW dataset built via ray-tracing-based physical simulation and automated multi-exposure capture tool. We further propose BRACE: Bracketed RAW Flicker-Banding Removal, a multi-frame restoration model that utilizes frequency-aware banding prior and a multi-scale spatial cross-attention modulator (MSCAM) for cross-exposure spatial fusion. We also introduce the Stripe Frequency Consistency (SFC) metric to evaluate banding removal. Experiments demonstrate state-of-the-art performance on both synthetic and real benchmarks. Our dataset and code are available at: https://github.com/ZZH-qwq/BRACE.
- Abstract（参考訳）: FB(Flicker-banding)は、カメラのローリングシャッターとディスプレイの明るさ変調の間の時間的エイリアスから発生し、カラーシフトとジャグパターンによるスクリーンキャプチャ画像の可読性を低下させる。
単純なパラメトリックストライプモデルを持つ既存の単一フレーム法は、これらのアーティファクトを本物のテクスチャと確実に区別することはできない。
そこで本稿では,複雑なFB形態の体系的解析を行い,露光条件間での顕著な変動を明らかにし,多フレームブラケットRAW修復のパラダイムを動機付けている。
我々は、レイトレーシングに基づく物理シミュレーションと自動マルチ露光キャプチャツールによって構築された合成リアルブラケットRAWデータセットであるBrickerを構築した。
さらに, BRACE: ブラケットRAW Flicker-Banding除去, 周波数認識バンドリングを用いた複数フレーム復元モデル, クロス露光空間融合のためのマルチスケール空間配置変調器 (MSCAM) を提案する。
また、バンド除去を評価するためにStripe Frequency Consistency (SFC) メトリクスも導入する。
実験は、合成ベンチマークと実ベンチマークの両方で最先端のパフォーマンスを示す。
私たちのデータセットとコードは、https://github.com/ZZH-qwq/BRACE.comで公開されています。
関連論文リスト
- VDFP: Video Deflickering with Flicker-banding Priors [45.95262551551273]
スマートフォンでデジタルスクリーンをキャプチャすることは、ハードウェアの同期ミスマッチにより、しばしば深刻なバンドリングを引き起こす。
既存のビデオ復元手法は、これらの構造化された周期的な輝度変動に苦しむ。
本稿では,VDFP (Video Deflickering with Flicker-banding Priors) を提案する。
論文 参考訳（メタデータ） (2026-05-20T12:14:43Z) - Self-Supervised AI-Generated Image Detection: A Camera Metadata Perspective [80.10217707456046]
カメラメタデータを利用したAI生成画像検出のための自己教師型アプローチを提案する。
分類型EXIFタグを分類することにより,撮影画像のみに特徴抽出器を訓練する。
我々の検出器は、電界中のサンプルに対して強力な一般化と、一般的な良性イメージの摂動に対する堅牢性を提供する。
論文 参考訳（メタデータ） (2025-12-05T11:53:18Z) - BurstDeflicker: A Benchmark Dataset for Flicker Removal in Dynamic Scenes [36.35784556196341]
本稿では,3つの補完的なデータ取得戦略を用いて構築したスケーラブルなベンチマークであるBurstDeflickerを紹介する。
まず,フリック除去の目標を再定義するRetinexベースの合成パイプラインを開発する。
第2に、異なるシーンから4000個の現実世界のフリック画像をキャプチャし、実際のフリックアーティファクトの空間的および時間的特性をよりよく理解するのに役立つ。
論文 参考訳（メタデータ） (2025-10-11T03:46:34Z) - RIFLE: Removal of Image Flicker-Banding via Latent Diffusion Enhancement [29.037206955819617]
FB(Flicker-banding)は、カメラのローリングシャッター読み出しとディスプレイの明るさ変調との間の時間的エイリアスから生じる明るさ%u2013darkストライプを交互に変化させる。
我々は、FB除去を専用修復タスクとして定式化し、遅延拡散拡張(RIFLE)による画像フリッカバンディングの除去を導入する。
我々の知る限りでは、FBのシミュレーションと除去の研究は初めてである。
論文 参考訳（メタデータ） (2025-09-29T11:53:13Z) - Learning Deblurring Texture Prior from Unpaired Data with Diffusion Model [92.61216319417208]
画像の劣化に対する新しい拡散モデル(DM)に基づくフレームワークを提案する。
我々の研究は、ぼやけた画像のテクスチャを回復するのに役立つ事前知識を生成するために、DMを実行する。
生成したテクスチャをフル活用するために,テクスチャ転送変換層(TTformer)を提案する。
論文 参考訳（メタデータ） (2025-07-18T01:50:31Z) - 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) - Modeling Dual-Exposure Quad-Bayer Patterns for Joint Denoising and Deblurring [22.82877719326985]
単一イメージのソリューションは、ノイズ低減と動きのぼかしの間に固有のトレードオフに直面している。
本稿では,新しい2重露光型Qad-Bayerパターンセンサを利用した物理モデルに基づく画像復元手法を提案する。
QRNetと呼ばれる階層型畳み込みニューラルネットワークを設計し、高品質なRGB画像を復元する。
論文 参考訳（メタデータ） (2024-12-10T07:35:26Z) - Retinex-RAWMamba: Bridging Demosaicing and Denoising for Low-Light RAW Image Enhancement [71.13353154514418]
低照度画像の強化、特に生ドメインからsRGBドメインへのマッピングのようなクロスドメインタスクは、依然として大きな課題である。
RAWMambaと呼ばれる低照度RAW画像用にカスタマイズされた新しいMambaベースの手法を提案する。
低照度RAW画像の高精細化を図り、復調を施すことにより、高精細化を実現する。
論文 参考訳（メタデータ） (2024-09-11T06:12:03Z) - 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) - Relightify: Relightable 3D Faces from a Single Image via Diffusion
Models [86.3927548091627]
単一画像からの3次元顔BRDF再構成を高精度に行うために,拡散モデルを用いた最初のアプローチを提案する。
既存の手法とは対照的に,観測されたテクスチャを直接入力画像から取得することで,より忠実で一貫した推定が可能となる。
論文 参考訳（メタデータ） (2023-05-10T11:57:49Z) - Recursive Self-Improvement for Camera Image and Signal Processing
Pipeline [6.318974730864278]
現在のカメラ画像と信号処理パイプライン(ISP)は、画像全体に一様に適用される単一のフィルタを適用する傾向がある。
これは、ほとんどの取得したカメラ画像が空間的に異質なアーティファクトを持っているにもかかわらずである。
学習された潜在部分空間で動作する深層強化学習モデルを提案する。
論文 参考訳（メタデータ） (2021-11-15T02:23:40Z)
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。