論文の概要: Deep Analog: Open-Set Film Emulation with Reference-Conditioned 3D LUTs
- arxiv url: http://arxiv.org/abs/2608.14702v1
- Date: Mon, 10 Aug 2026 20:46:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.038962
- Title: Deep Analog: Open-Set Film Emulation with Reference-Conditioned 3D LUTs
- Title（参考訳）: Deep Analog: 3D LUTによるオープンセットフィルムエミュレーション
- Abstract要約: フィルムエミュレーションは、新しいデジタル写真にアナログフィルムストックの外観を再現する。
リアルタイム画像強調は、固定された3D LUTのバンク上で画像当たりの重量を予測し、それらをブレンドする。
条件付き設計では、ゲートを除去し、ペアデータや再トレーニングなしに、未確認フィルムストックへのオープンセットを一般化する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Film emulation reproduces the look of an analog film stock on a new digital photograph. We target its open-set form -- matching any reference film frame from a single example -- with a 3D lookup table (LUT) predicted from that reference. Real-time image enhancement predicts per-image weights over a fixed bank of 3D LUTs and blends them. We show this is a gated mixture of experts and inherits its failure: trained end-to-end against reconstruction, the gate collapses onto a single expert, so a bank of K LUTs delivers the capacity of one. An entropy term, the enhancement-setting analogue of mixture-of-experts load balancing, restores utilization and recovers about 1 dB PSNR. The deeper constraint survives: a fixed LUT basis is closed-set, freezing the achievable looks at training time. We therefore discard the basis and predict a single 3D LUT as a residual from a reference image (StyleLUTNet), trained by self-supervision on procedurally generated color transforms. The conditional design removes the gate and generalizes open-set to unseen film stocks without paired data or retraining. Around this color backbone we build Deep Analog, a film-emulation pipeline that adds histogram-based tone matching and a physics-informed optical renderer -- multi-scale grain and per-channel halation driven by parameters an inverse network regresses from the reference. On 350 self-supervised pairs the color stage reaches 22.05 dB PSNR / 0.925 SSIM and the full pipeline 21.72 dB / 0.923; the color path runs in 5.2 ms at 1080p (192 FPS) and exports a portable .cube LUT for standard editing tools. A second degeneracy in conditional LUT training -- residual-scale collapse -- shares the root cause and yields a general principle: auxiliary regularization must stay subordinate to reconstruction.
- Abstract（参考訳）: フィルムエミュレーションは、新しいデジタル写真にアナログフィルムストックの外観を再現する。
我々は、そのオープンセット形式 -- 参照フィルムフレームを単一の例からマッチングする -- と、その参照から予測される3Dルックアップテーブル(LUT)をターゲットとしています。
リアルタイム画像強調は、固定された3D LUTのバンク上で画像当たりの重量を予測し、それらをブレンドする。
トレーニングされたエンドツーエンドの再構築に対して、ゲートは単一の専門家に崩壊するので、K LUTの銀行は1つの能力を提供します。
エントロピー項(Entropy term)は、試験用混合負荷分散の強化・設定された類似体であり、利用を回復し、約1dBのPSNRを回復する。
一定のLUTベースがクローズセットされ、トレーニング時に達成可能なルックを凍結する。
そこで我々は,基準画像(StyleLUTNet)から1つの3D LUTを抽出し,手続き的に生成した色変換の自己監督によって訓練された残像として予測する。
条件付き設計では、ゲートを除去し、ペアデータや再トレーニングなしに、未確認フィルムストックへのオープンセットを一般化する。
このカラーバックボーンの周りにはDeep Analogというフィルムエミュレーションパイプラインがあり、ヒストグラムベースのトーンマッチングと物理インフォームド光レンダラー(マルチスケールグレーンとチャネルごとのハレーション)が追加されている。
350対の自己監督型ペアでは、カラーステージは22.05dB PSNR / 0.925 SSIM、フルパイプライン21.72dB / 0.923に到達し、カラーパスは1080p (192 FPS)で5.2msで動作する。
標準編集ツール用の立方体LUT。
条件付きLUTトレーニングの第2世代 -- 残留スケールの崩壊 -- は根本原因を共有し、一般的な原則をもたらす。
関連論文リスト
- Syn2RealTrack: Bridging the Gap Between Synthetic and Real-World Datasets for Online Multi-View Multi-Target Tracking [14.031215272664538]
倉庫シーンのマルチカメラ3D認識システムは、主に合成データに基づいて訓練されている。
その結果、合成と現実のギャップは、地上の局在とカメラ間のアイデンティティーアソシエーションを損なう。
代わりに、カメラキャリブレーション、以前の物体形状、対象の国勢調査が知られているという仮定の3つの分離可能な点でパイプラインに入ることを議論する。
論文 参考訳（メタデータ） (2026-08-25T06:48:50Z) - JADE-GS: Joint Alternating Deblurring Guided by Events in 3D Gaussian Splatting [30.72967347179183]
JADE-GSはピクセル適応型ルーティングゲートで、固定されたプリプロセッサを幾何対応の予測器に変える。
合成ベンチマークと実際のベンチマークで最高の知覚品質が得られる。
リアルタイムレンダリングを保ちながら、1つの消費者向けGPUで5GB以下で約1時間トレーニングする。
論文 参考訳（メタデータ） (2026-07-16T13:40:13Z) - StructSplat: Generalizable 3D Gaussian Splatting from Uncalibrated Sparse Views [52.76639935264078]
StructSplatはフィードフォワードと一般化可能な3Dガウス再構成フレームワークである。
私たちのキーとなる考え方は、再構成プロセスにおいて明確な役割を持つ幾何学、意味、テクスチャを整理する構造化された表現を採用することです。
論文 参考訳（メタデータ） (2026-06-26T17:59:06Z) - PRISM: Feed-Forward Single-Image 3D Reconstruction via Geometric Warp-Residual Modeling [11.124244013253806]
単一の画像から3Dシーンを再構築することは、コンピュータビジョンの根本的な課題である。
近年の手法は,カメラ制御ビデオ拡散モデルを活用することで,優れた性能を実現している。
PRISMは,多視点遅延予測をパラメータフリーな幾何前処理に分解するフィードフォワードフレームワークである。
論文 参考訳（メタデータ） (2026-06-24T05:48:20Z) - VidSplat: Gaussian Splatting Reconstruction with Geometry-Guided Video Diffusion Priors [79.88300861391114]
VidSplatは、トレーニング不要な生成的再構築フレームワークである。
生成と再構築の効果的な統合を可能にする2つの重要な課題に取り組む。
広範に使用されているベンチマーク実験は、スパースビューのシーン再構成における優れた性能を示している。
論文 参考訳（メタデータ） (2026-05-12T02:20:31Z) - ViPS: Video-informed Pose Spaces for Auto-Rigged Meshes [55.32681167870698]
Video-informed Pose Spaces (ViPS)は、自動リップメッシュのための有効な調律の潜時分布を検出するフィードフォワードフレームワークである。
ViPSは生成ビデオの先行値を所定のリグパラメータ化上の普遍分布に転送する。
評価の結果,VPSは,合成アーティストが作成した4Dデータに基づいて訓練した最先端の手法の性能と,妥当性と多様性の両面で一致していることがわかった。
論文 参考訳（メタデータ） (2026-04-19T21:21:11Z) - Dehaze-then-Splat: Generative Dehazing with Physics-Informed 3D Gaussian Splatting for Smoke-Free Novel View Synthesis [1.8997372468370612]
我々は,NTIRE 2026 3Dレコンストラクションチャレンジのトラック2で開発されたマルチビュー煙除去と新しいビュー合成のための2段階パイプラインであるDehaze-then-Splatを提案する。
第1段階では,Nano Banana Pro を用いたフレーム毎生成脱ハージングによる擬似クリーントレーニング画像を作成し,続いて輝度正規化を行った。
第2段階では,物理インフォームドされた補助損失を伴って3次元ガウススプラッティングを訓練する。
論文 参考訳（メタデータ） (2026-04-15T07:52:53Z) - Training-Free Instance-Aware 3D Scene Reconstruction and Diffusion-Based View Synthesis from Sparse Images [27.013348160823828]
未提示のRGB画像から3次元屋内シーンを再構成・理解・レンダリングする訓練自由システムを提案する。
密度の高いビューとシーンごとの最適化を必要とする従来のラディアンスフィールドアプローチとは異なり、パイプラインはトレーニングやポーズ前処理なしで高忠実度な結果が得られる。
論文 参考訳（メタデータ） (2026-03-22T10:56:15Z) - DVD: Deterministic Video Depth Estimation with Generative Priors [87.46576463137801]
DVDは、事前訓練されたビデオ拡散モデルをシングルパス深度回帰器に適応させる最初のフレームワークである。
DVDは、最先端のゼロショットのパフォーマンスをベンチマークで達成する。
私たちはパイプラインを完全にリリースし、オープンソースコミュニティに利益をもたらすために、SOTAビデオ深度推定のためのトレーニングスイート全体を提供しています。
論文 参考訳（メタデータ） (2026-03-12T17:58:06Z) - UniVerse: Unleashing the Scene Prior of Video Diffusion Models for Robust Radiance Field Reconstruction [73.29048162438797]
ビデオ拡散モデルに基づくロバストな再構築のための統一フレームワークUniVerseを紹介する。
具体的には、UniVerseはまず、一貫性のない画像を最初のビデオに変換し、その後、特別に設計されたビデオ拡散モデルを使って、それらを一貫したイメージに復元する。
合成と実世界の両方のデータセットを用いた実験は,頑健な再構築において,我々の手法の強い一般化能力と優れた性能を示す。
論文 参考訳（メタデータ） (2025-10-02T04:50:18Z) - GaVS: 3D-Grounded Video Stabilization via Temporally-Consistent Local Reconstruction and Rendering [54.489285024494855]
ビデオの安定化は、元のユーザの動きの意図を保ちながら、望ましくないシャキネスを除去するので、ビデオ処理に欠かせない。
既存のアプローチは、運用するドメインによって、ユーザエクスペリエンスを低下させるいくつかの問題に悩まされます。
ビデオの安定化を時間的に一貫性のある局所的再構成とレンダリングのパラダイムとして再構成する,新しい3Dグラウンドアプローチである textbfGaVS を紹介する。
論文 参考訳（メタデータ） (2025-06-30T15:24:27Z)
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。