論文の概要: ExpoMotion: A Large-Scale Benchmark and A Householder Projection Network for Multi-Exposure Fusion

• arxiv url: http://arxiv.org/abs/2607.03110v1
• Date: Fri, 03 Jul 2026 08:46:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.52402
• Title: ExpoMotion: A Large-Scale Benchmark and A Householder Projection Network for Multi-Exposure Fusion
• Title（参考訳）: ExpoMotion:マルチ露光核融合のための大規模ベンチマークと家庭用プロジェクションネットワーク
• Abstract要約: マルチ露光核融合(MEF)は、動的範囲を効果的に拡張するが、現実的な展開は、動きによって引き起こされるゴーストによって妨げられる。 我々は,デゴースト機能を評価するために設計された大規模ベンチマークであるExpoMotionを紹介する。 本稿では,数学的観点からMEFデゴスティングを再考するHOP(Houseer Orthogonal Projection Network)を提案する。
• 参考スコア（独自算出の注目度）: 31.23412358985639
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multi-Exposure Fusion (MEF) effectively extends dynamic range, but practical deployment is hindered by motion-induced ghosting and the scarcity of high-quality dynamic benchmarks. Current benchmarks largely neglect dynamic scenes and lack reliable ground truth, making it difficult to handle the complexity of real-world motions. In response, we introduce ExpoMotion, a large-scale benchmark designed to evaluate deghosting capabilities. Comprising 1,738 sequences and 10,909 images across diverse environments, it covers a wide range of motions and provides high-fidelity GTs constructed through an expert-guided acquisition pipeline. To tackle the complex dynamics and extreme conditions captured in this benchmark, we propose the Householder Orthogonal Projection network (HOP), which revisits MEF deghosting from a mathematical perspective via Householder transformation, decoupling multi-frame alignment into exposure pre-alignment and ghost filtering. Specifically, the Global Priors Illumination Alignment (GPIA) module first rectifies drastic dynamic range discrepancies by utilizing global statistics for exposure harmonization. Regarding ghost removal, our Householder Orthogonal Attention (HOA) models artifacts as orthogonal perturbations. By employing a dynamic Householder reflector, HOA effectively projects ghosts out of the feature manifold while preserving high-frequency details. Experiments demonstrate that our ExpoMotion dataset enables superior generalization and artifact-free detail restoration, while also validating the effectiveness and efficiency of the HOP method. The dataset and code are available at https://github.com/Leo-LiuYao/ExpoMotion.
• Abstract（参考訳）: マルチ露光核融合(MEF)は、動的範囲を効果的に拡張するが、運動誘発ゴーストと高品質な動的ベンチマークの不足により、実用的な展開が妨げられる。 現在のベンチマークは、ダイナミックなシーンを無視し、信頼できる地上の真実を欠いているため、現実世界の動きの複雑さを扱うのが困難である。 これに対して,デゴースト機能を評価するために設計された大規模ベンチマークであるExpoMotionを紹介する。 1,738のシーケンスと10,909の画像で構成され、幅広い動きをカバーし、専門家が指導する取得パイプラインを通じて構築された高忠実なGTを提供する。 このベンチマークで得られた複雑なダイナミクスと極端な条件に対処するため,HOP (Housemer Orthogonal Projection Network) を提案する。 具体的には,Global Priors Illumination Alignment (GPIA)モジュールは,まず露光調和のためのグローバル統計を利用して,劇的なダイナミックレンジの不一致を補正する。 ゴースト除去に関しては,家政庁直交注意(HOA)が直交摂動をモデル化している。 動的リゾルバー反射器を用いることで、HOAは高頻度の詳細を保存しながら、特徴多様体からゴーストを効果的に投影する。 実験により,我々の ExpoMotion データセットは,HOP 法の有効性と効率性を検証しながら,より優れた一般化と非アーティファクトな詳細復元を可能にすることが示された。 データセットとコードはhttps://github.com/Leo-LiuYao/ExpoMotion.comで公開されている。

関連論文リスト

• Spatiotemporally Decoupled Autoregressive Diffusion Model for Human Motion Generation [19.887078319028102]
  動作表現とアーキテクチャを再設計するために,DeMoDiff という統合時間分離フレームワークを提案する。 我々のフレームワークは、最先端の復元性能と魅力的な動き生成結果を達成する。
  論文  参考訳（メタデータ） (2026-08-24T14:04:35Z)
• MotionMAR: Multi-scale Auto-Regressive Human Motion Reconstruction from Sparse Observations [51.837372131319285]
  MotionMARは、スパース観測からの運動再構成のためのフレームワークである。 まず、人間の動きのグローバルな軌跡を推定し、時間的詳細を徐々に洗練する。 MotionMARは、AMASSデータセット上で最先端の精度を達成する。
  論文  参考訳（メタデータ） (2026-06-22T08:15:56Z)
• GEM: Generating LiDAR World Model via Deformable Mamba [43.63812337974977]
  変形可能なマンバアーキテクチャを持つ世代別LiDARワールドモデルは、忠実度と想像力を向上させる。 実験により、GEMは様々なベンチマークと評価設定で最先端のパフォーマンスを達成することが示された。
  論文  参考訳（メタデータ） (2026-05-08T06:32:12Z)
• Distilled Large Language Model-Driven Dynamic Sparse Expert Activation Mechanism [28.84340005858496]
  Distilled Large Language Model (LLM)-Driven Sparse Mixture-of-Experts (DS-MoE) フレームワークはテキスト誘導動的ルーティングと軽量なマルチスケール理解を統合している。 textbfDS-MoEは、BBMP、アルミニウム、PCBで+13.9、+1.4、+2.0 pp mAP@ 0.5:0.95でYOLOv8/YOLOXを上回っている。
  論文  参考訳（メタデータ） (2026-03-21T08:46:03Z)
• Towards Generalizable Robotic Manipulation in Dynamic Environments [48.77270850350943]
  VLA(Vision-Language-Action)モデルは静的な操作では優れているが、動いた軌跡を持つ動的環境では困難である。 本稿では、大規模なデータセットと一般的な動的操作のためのベンチマークであるDOMINOを紹介する。 また、動的に認識可能なVLAアーキテクチャPUMAを提案する。
  論文  参考訳（メタデータ） (2026-03-16T17:59:57Z)
• Hierarchical Granularity Alignment and State Space Modeling for Robust Multimodal AU Detection in the Wild [12.893641381621459]
  階層的粒度アライメントと状態空間モデルによって駆動される新しいマルチモーダルフレームワークを提案する。 従来の時間畳み込みネットワークの受容的フィールド制限を、ビジョン・マンバアーキテクチャを導入して克服する。 このアプローチにより、O(N)線形複雑性を伴う時間的モデリングが可能となり、性能劣化を伴わずに超長距離力学を効果的に捉えることができる。
  論文  参考訳（メタデータ） (2026-03-11T21:05:59Z)
• SPIRAL: A Closed-Loop Framework for Self-Improving Action World Models via Reflective Planning Agents [135.00390535239129]
  本稿では,自己改善型計画および反復的行動世界モデリングフレームワークであるSPIRALを紹介する。 SPIRALはActWMをクローズドループシンク-アクト-リフレクションプロセスとして定式化し、そこで生成は明示的な計画とフィードバックの下で段階的に進行する。 複数のTI2Vバックボーンに対する実験は、ActWM-Benchとメインストリームのビデオ生成ベンチマークで一貫した利得を示している。
  論文  参考訳（メタデータ） (2026-03-09T14:00:36Z)
• VRS-UIE: Value-Driven Reordering Scanning for Underwater Image Enhancement [104.78586859995333]
  状態空間モデル(SSM)は、線形複雑性と大域的受容場のために、視覚タスクの有望なバックボーンとして登場した。 大型で均質だが無意味な海洋背景の優位性は、希少で価値ある標的の特徴表現応答を希薄にすることができる。 水中画像強調(UIE)のための新しい値駆動リダクションスキャンフレームワークを提案する。 本フレームワークは, 水バイアスを効果的に抑制し, 構造や色彩の忠実さを保ち, 優れた向上性能(WMambaを平均0.89dB超える)を実現する。
  論文  参考訳（メタデータ） (2025-05-02T12:21:44Z)
• Efficient High-Resolution Visual Representation Learning with State Space Model for Human Pose Estimation [60.80423207808076]
  高解像度の視覚表現を維持しながら長距離依存関係をキャプチャすることは、人間のポーズ推定のような密集した予測タスクに不可欠である。 マルチスケールの畳み込み操作で視覚状態空間モデルを拡張する動的ビジュアル状態空間(DVSS)ブロックを提案する。 HRVMambaは効率的な高分解能表現学習のための新しいモデルである。
  論文  参考訳（メタデータ） (2024-10-04T06:19:29Z)
• Hierarchical Feature Alignment Network for Unsupervised Video Object Segmentation [99.70336991366403]
  外観・動作特徴アライメントのための簡潔で実用的で効率的なアーキテクチャを提案する。 提案されたHFANはDAVIS-16の最先端性能に到達し、88.7ドルのmathcalJ&mathcalF$Meanを達成した。
  論文  参考訳（メタデータ） (2022-07-18T10:10:14Z)

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。