論文の概要: GS-RealBlur: A Flexible Data Acquisition Framework for Real-World Image Deblurring

• arxiv url: http://arxiv.org/abs/2607.15401v1
• Date: Thu, 16 Jul 2026 18:59:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-20 17:56:52.686303
• Title: GS-RealBlur: A Flexible Data Acquisition Framework for Real-World Image Deblurring
• Title（参考訳）: GS-RealBlur: リアルタイム画像デブリのためのフレキシブルなデータ取得フレームワーク
• Abstract要約: 本稿では,実世界の画像復号化のためのデータ取得フレームワークであるGS-RealBlurを提案する。 具体的には、ハンドヘルドカメラを使用してぼやけた画像をキャプチャし、ジンバルを配置し、同じシーンの鋭い画像を密にキャプチャします。 シャープな画像の3D表現を再構成し、この3D内の各ぼやけたフレームのカメラポーズを校正する。 ポーズに従ってこの3Dから描画された画像は、シャープな画像として機能する。
• 参考スコア（独自算出の注目度）: 57.238399638408616
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: High-quality, large-scale paired data is essential for training learning-based image deblurring models. However, synthetic blurry images generally lack realism, while real-world captured images require complex and inflexible camera systems. In this work, we propose GS-RealBlur, a data acquisition framework for real-world image deblurring, achieving both blur realism and acquisition flexibility. Specifically, we use a handheld camera to capture blurry images, and deploy a gimbal to densely capture sharp images of the same scene. We reconstruct the 3D representation of sharp images and calibrate the camera pose of each blurry frame within this 3D. The image rendered from this 3D according to the pose serves as the sharp counterpart. To better align the rendered image with the blurry image, we introduce a Blur-aware Pose Refinement (BPR) module that refines the pose using appearance consistency and centroid alignment constraints. Leveraging GS-RealBlur, we construct a high-quality and diverse dataset. Extensive experiments demonstrate that a deblurring model trained on our dataset achieves superior generalization performance across various real-world deblurring benchmarks, consistently outperforming models trained on existing synthetic and real-world datasets. The code and dataset will be made publicly available.
• Abstract（参考訳）: 高品質で大規模なペア化されたデータは、学習に基づく画像劣化モデルのトレーニングに不可欠である。 しかし、合成ぼかし画像は一般的にリアリズムを欠いているが、現実の撮影画像は複雑で非フレキシブルなカメラシステムを必要とする。 本研究では,実世界の画像復号化のためのデータ取得フレームワークであるGS-RealBlurを提案する。 具体的には、ハンドヘルドカメラを使用してぼやけた画像をキャプチャし、ジンバルを配置し、同じシーンの鋭い画像を密にキャプチャします。 シャープな画像の3D表現を再構成し、この3D内の各ぼやけたフレームのカメラポーズを校正する。 ポーズに従ってこの3Dから描画された画像は、シャープな画像として機能する。 レンダリング画像とぼやけた画像との整合性を改善するため,Blur-aware Pose Refinement (BPR)モジュールを導入する。 GS-RealBlurを活用することで、高品質で多様なデータセットを構築します。 大規模な実験により、我々のデータセットでトレーニングされたデブロアリングモデルは、様々な実世界のデブロアリングベンチマークにおいて優れた一般化性能を達成し、既存の合成および実世界のデータセットでトレーニングされたモデルより一貫して優れた性能を発揮することが示された。 コードとデータセットは一般公開される予定だ。

関連論文リスト

• Unblur-SLAM: Dense Neural SLAM for Blurry Inputs [68.94602568657164]
  Un-SLAMは、ぼやけた画像入力から鋭い3D再構成を行うための新しいパイプラインである。 動作のぼやけとデフォーカスのぼやけの両方が存在する場合の最先端性能を実証する。 いくつかの実世界のデータセットの実験では、ポーズ推定とシャープな再構成結果の両方において一貫した改善が示されている。
  論文  参考訳（メタデータ） (2026-03-26T14:29:47Z)
• HGGT: Robust and Flexible 3D Hand Mesh Reconstruction from Uncalibrated Images [81.42866295265443]
  高忠実度3Dハンドジオメトリはコンピュータビジョンにおいて重要な課題である。 スケーラブルなアプリケーションは、正確性とデプロイメントの柔軟性の両方を必要とします。 本研究では、3Dハンドメッシュとカメラのポーズを非校正視点から推定するフィードフォワードアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2026-03-25T06:54:34Z)
• RePose-NeRF: Robust Radiance Fields for Mesh Reconstruction under Noisy Camera Poses [0.5328562411561214]
  マルチビュー画像から直接高品質で編集可能な3Dメッシュを再構築する堅牢なフレームワークを提案する。 我々のアプローチは、細かな幾何学的ディテールと外観をキャプチャする暗黙のシーン表現を学習しながら、カメラのポーズを共同で洗練する。
  論文  参考訳（メタデータ） (2025-11-11T18:25:58Z)
• MV-CoLight: Efficient Object Compositing with Consistent Lighting and Shadow Generation [19.46962637673285]
  MV-CoLightは2Dおよび3Dシーンで合成される照度一貫性のあるオブジェクトのためのフレームワークである。 2次元画像入力と3次元ガウスシーン表現をシームレスに整列するために、ヒルベルト曲線に基づく写像を用いる。 実験では、標準ベンチマークとデータセット間で、最先端の調和した結果を実証した。
  論文  参考訳（メタデータ） (2025-05-27T17:53:02Z)
• GS-Blur: A 3D Scene-Based Dataset for Realistic Image Deblurring [50.72230109855628]
  本稿では,新しい手法を用いて合成されたリアルなぼやけた画像のデータセットであるGS-Blurを提案する。 まず,3Dガウス・スプレイティング(3DGS)を用いて多視点画像から3Dシーンを再構成し,ランダムに生成された運動軌跡に沿ってカメラビューを移動させてぼやけた画像を描画する。 GS-Blurの再構築に様々なカメラトラジェクトリを採用することで、我々のデータセットは現実的で多様な種類のぼかしを含み、現実世界のぼかしをうまく一般化する大規模なデータセットを提供する。
  論文  参考訳（メタデータ） (2024-10-31T06:17:16Z)
• Real3D: Scaling Up Large Reconstruction Models with Real-World Images [34.735198125706326]
  Real3Dは、シングルビューの現実世界の画像を使ってトレーニングできる最初のLRMシステムである。 我々は,LRMをピクセルレベルで,セマンティックレベルで監視できる2つの教師なし損失を提案する。 In-the-wild画像から高品質なサンプルを収集する自動データキュレーション手法を開発した。
  論文  参考訳（メタデータ） (2024-06-12T17:59:08Z)
• Towards Real-World Video Deblurring by Exploring Blur Formation Process [53.91239555063343]
  近年、深層学習に基づくアプローチは、ビデオデブロアリングタスクにおいて有望な成功を収めている。 既存の合成データセットで訓練されたモデルは、現実世界のぼやけたシナリオよりも一般化の問題に悩まされている。 本稿では, RAW-Blur と呼ばれる, ぼかし生成の手がかりを生かして, 現実的なぼかし合成パイプラインを提案する。
  論文  参考訳（メタデータ） (2022-08-28T09:24:52Z)
• Intrinsic Autoencoders for Joint Neural Rendering and Intrinsic Image Decomposition [67.9464567157846]
  合成3Dモデルからリアルな画像を生成するためのオートエンコーダを提案し,同時に実像を本質的な形状と外観特性に分解する。 実験により, レンダリングと分解の併用処理が有益であることが確認され, 画像から画像への翻訳の質的, 定量的なベースラインよりも優れた結果が得られた。
  論文  参考訳（メタデータ） (2020-06-29T12:53:58Z)

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。