論文の概要: Perceiving Better Moments: Cover Frame Reselection and Enhancement for Live Photos with the Live2K Dataset

• arxiv url: http://arxiv.org/abs/2607.04151v1
• Date: Sun, 05 Jul 2026 07:37:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-07 22:26:29.841376
• Title: Perceiving Better Moments: Cover Frame Reselection and Enhancement for Live Photos with the Live2K Dataset
• Title（参考訳）: より良いモーメントの知覚:Live2Kデータセットを用いたライブ写真のカバーフレーム選択と拡張
• Authors: Junyu Lou, Kai Chen, Weiyi You, Hui Zeng, Lei Zhang, Shuhang Gu,
• Abstract要約: カバー写真とビデオコンポーネントは、2つの異なる撮像パイプラインによって生成される。 Live2Kは、実世界の2,042枚のLive Photosのデータセットである。 我々は,多フレーム融合,誘導色強調,超解像を一体化した一段ベースラインを開発する。
• 参考スコア（独自算出の注目度）: 30.68816896328151
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Modern smartphones capture Live Photos, short video bursts surrounding a still image, offering a dynamic and engaging photographic experience. However, the cover photo and video components are generated by two distinct imaging pipelines: the photo stream undergoes full computational photography processing, while the video stream is constrained by real-time efficiency and heavy compression. This intrinsic separation produces a substantial quality gap in resolution, color fidelity, and dynamic range between the cover photo and video frames. When users reselect an alternative frame from the video to replace an imperfect cover, the chosen frame often suffers from severe degradation, making direct replacement visually unsatisfactory. Restoring such frames requires simultaneous enhancement of spatial detail and color appearance, a task considerably more challenging than ordinary super-resolution or color enhancement. To address this, we define the Live Photo Cover Frame Reselection and Enhancement (LPRE) task, which leverages the intrinsic cues available within each Live Photo: the high-quality cover image as a structural and color reference, the user-reselected low-quality frame as the reconstruction target and several adjacent video frames providing temporal cues. Building upon this formulation, we construct Live2K, a real-world dataset of 2,042 Live Photos, and develop a unified one-stage baseline that integrates multi-frame fusion, guided color enhancement and super-resolution, establishing the first benchmark for Live Photo enhancement research.
• Abstract（参考訳）: 最新のスマートフォンはLive Photosを捉え、静止画を取り巻く短いビデオバーストを捉え、ダイナミックで魅力的な写真体験を提供する。 しかし、カバー写真とビデオコンポーネントは2つの異なる画像パイプラインによって生成される: フォトストリームは完全な計算処理を行い、ビデオストリームはリアルタイム効率と重圧縮によって制約される。 この本質的な分離は、解像度、色忠実度、カバー写真とビデオフレーム間のダイナミックレンジの実質的な品質ギャップを生じさせる。 ユーザーがビデオから別のフレームを選択して、不完全なカバーを置き換えると、選択されたフレームは深刻な劣化に悩まされ、視覚的に直接置き換えることができない。 このようなフレームの復元には空間的細部と色の外観を同時に強化する必要があるが、これは通常の超解像や色強調よりもかなり難しい作業である。 そこで本研究では,各Live Photoに含まれる本質的な手がかりを生かしたLive Photo Cover Frame Reselection and Enhancement(LPRE)タスクを定義し,高品質なカバーイメージを構造的および色彩的基準として,ユーザが選択した低品質なフレームを再構成対象として,隣接するビデオフレームを時間的手がかりとして定義する。 この定式化に基づいて、2,042枚のLive PhotosのリアルタイムデータセットであるLive2Kを構築し、多フレーム融合、ガイド付き色強調、超高解像度を統合した一段ベースラインを開発し、Live Photo拡張研究の最初のベンチマークを確立した。

関連論文リスト

• LiveMoments: Reselected Key Photo Restoration in Live Photos via Reference-guided Diffusion [21.347361954096243]
  Live Photoは、高品質なキー写真と短いビデオクリップの両方をキャプチャして、捕獲された瞬間の貴重なダイナミクスを保存する。 ユーザーは、より良い表現やタイミングをキャプチャするためのキー写真として、代替フレームを選択することができるが、これらのフレームは、しばしば顕著な品質劣化を示す。 提案するLiveMomentsは,Live Photosで選択したキー写真に適した参照誘導画像復元フレームワークである。
  論文  参考訳（メタデータ） (2026-04-14T04:59:05Z)
• Wavelet-Domain Masked Image Modeling for Color-Consistent HDR Video Reconstruction [69.35623794013152]
  高ダイナミックレンジ(LDR)ビデオ再構成は、LDRビデオから微妙な明るさ、色、詳細を復元することを目的としている。 既存の方法は、しばしば色の不正確さと時間的不整合に悩まされる。 We propose WMNet, a novel HDR video reconstruction network that leverageing Wavelet domain Masked Image Modeling。
  論文  参考訳（メタデータ） (2026-02-07T06:19:23Z)
• VidSplice: Towards Coherent Video Inpainting via Explicit Spaced Frame Guidance [57.57195766748601]
  VidSpliceは、テンポラリな手口でペンキを塗るプロセスをガイドする新しいフレームワークである。 VidSpliceは様々な映像のインパインティングシナリオで競争力を発揮することを示す。
  論文  参考訳（メタデータ） (2025-10-24T13:44:09Z)
• Event-based Continuous Color Video Decompression from Single Frames [36.4263932473053]
  本研究では,静止RGB画像とイベントカメラストリームから連続映像を生成する新しい手法であるContinuityCamを提案する。 提案手法は、連続した長距離動きモデリングとニューラル合成モデルを組み合わせることで、イベント内の任意のタイミングでフレーム予測を可能にする。
  論文  参考訳（メタデータ） (2023-11-30T18:59:23Z)
• Rerender A Video: Zero-Shot Text-Guided Video-to-Video Translation [93.18163456287164]
  本稿では,動画に画像モデルを適用するための新しいテキスト誘導型動画翻訳フレームワークを提案する。 我々のフレームワークは,グローバルなスタイルと局所的なテクスチャの時間的一貫性を低コストで実現している。
  論文  参考訳（メタデータ） (2023-06-13T17:52:23Z)
• Restoration of Video Frames from a Single Blurred Image with Motion Understanding [69.90724075337194]
  単一モーション赤画像からクリーンな映像フレームを生成するための新しいフレームワークを提案する。 一つのぼやけた画像からの映像復元を逆問題として、クリーンな画像シーケンスとそれぞれの動きを潜伏要因として設定する。 提案手法は,空間トランスフォーマネットワークモジュールを用いたanblur-decoder構造に基づいている。
  論文  参考訳（メタデータ） (2021-04-19T08:32:57Z)
• Motion-blurred Video Interpolation and Extrapolation [72.3254384191509]
  本稿では,映像から鮮明なフレームをエンドツーエンドに切り離し,補間し,外挿する新しい枠組みを提案する。 予測フレーム間の時間的コヒーレンスを確保し,潜在的な時間的あいまいさに対処するために,単純で効果的なフローベースルールを提案する。
  論文  参考訳（メタデータ） (2021-03-04T12:18:25Z)

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。