論文の概要: Depth-guided Multi-view Exposure Bracketing for HDR Robot Vision
- arxiv url: http://arxiv.org/abs/2608.16014v1
- Date: Mon, 17 Aug 2026 02:16:02 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-18 19:59:03.502669
- Title: Depth-guided Multi-view Exposure Bracketing for HDR Robot Vision
- Title（参考訳）: HDRロボットビジョンのための奥行き誘導多視点露光ブラケット
- Abstract要約: 我々は、カスタムロボットビジョンプラットフォームとiPhone 13 Proを介して収集された大規模なデータセットを紹介した。
本稿では,Depth-Guided Multi-view Exposure Bracketing (DMEB)を提案する。
- 参考スコア（独自算出の注目度）: 32.84496142437926
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Achieving reliable single-shot high dynamic range (HDR) imaging under extreme illumination conditions remains a long-standing challenge, yet no comprehensive benchmark exist for evaluating HDR perception in multi-sensor robotic systems. To fill this gap, we introduce a large-scale dataset collected via a custom robotic vision platform and an iPhone 13 Pro: 121 real-world scenes spanning modest and ultra-high dynamic range conditions, alongside 20 synthetic video sequences from the CARLA simulator. As a reference pipeline for this dataset, we propose Depth-guided Multi-view Exposure Bracketing (DMEB), a single-shot HDR method that distributes drastically different exposures across multi-view low-bit-depth cameras and fuses them via depth-guided confidence-aware fusion. Evaluations on our dataset show that DMEB establishes a strong reference point and highlight the promise of this sensor configuration for robust HDR perception in diverse multi-camera and depth sensor system.
- Abstract（参考訳）: 極端照明条件下での信頼性の高いシングルショットハイダイナミックレンジ(HDR)イメージングを実現することは、長年にわたる課題であるが、マルチセンサーロボットシステムにおけるHDR知覚を評価するための包括的なベンチマークは存在しない。
このギャップを埋めるために、カスタムロボットビジョンプラットフォームとiPhone 13 Proを介して収集された大規模なデータセットを紹介します。
このデータセットの参照パイプラインとして,Depth-Guided Multi-view Exposure Bracketing (DMEB)を提案する。
本データセットの評価から,DMEBは強力な基準点を確立し,多様なマルチカメラおよび深度センサシステムにおいて,このセンサ構成が堅牢なHDR知覚を実現する可能性を強調した。
関連論文リスト
- LatentHDR: Decoupling Exposure from Diffusion via Conditional Latent-to-Latent Mapping for Text/Image-to-Panoramic HDR [7.699676653195592]
Latentは、潜在空間における露光モデリングからシーン生成を分離するフレームワークである。
事前訓練された拡散バックボーンは、単一のコヒーレントなシーン表現を生成し、条件付き遅延 to-latent は、それを露光特有の表現にマッピングする。
論文 参考訳（メタデータ） (2026-05-11T18:24:04Z) - ExpoCM: Exposure-Aware One-Step Generative Single-Image HDR Reconstruction [60.873186669266836]
シングルイメージHDR再構成は,単一低ダイナミックレンジ(LDR)入力から高ダイナミックレンジの放射率を回復することを目的としている。
ExpoCMは,HDR再構成をPF-ODE(Probability Flow ODE)として再構成し,露出依存摂動による露出認識整合性トラジェクトリを構築する,新しい一段階のHDR再構成フレームワークである。
HDR-REAL、HDR-EYE、AIM2025ベンチマークの実験は、ExpoCMが最先端の忠実性を達成することを示した。
論文 参考訳（メタデータ） (2026-05-04T11:06:49Z) - InstantHDR: Single-forward Gaussian Splatting for High Dynamic Range 3D Reconstruction [48.64335106961342]
既存のHDRパイプラインは、既知のカメラのポーズ、よく校正された高密度ポイントクラウド、シーンごとの時間的最適化に依存している。
現在のフィードフォワード代替品は、露出イン外観を仮定してHDR問題を見落としている。
フィードフォワードネットワークであるInstantを提案する。これは、1つのフォワードパスで非校正多重露光LDRコレクションから3次元HDRシーンを再構成する。
論文 参考訳（メタデータ） (2026-03-11T20:51:47Z) - Reconstructing 3D Scenes in Native High Dynamic Range [82.90064638813185]
本研究では,HDR観測を直接モデル化した3次元シーン再構成法を提案する。
bf Native High Dynamic Range 3D Gaussian Splatting (NH-3DGS)を提案する。
NH-3DGSは, 再構成品質と動的レンジ保存において, 既存の手法よりも有意に優れる合成多視点HDRデータセットと実HDRデータセットの両方を実証した。
論文 参考訳（メタデータ） (2025-11-17T02:33:31Z) - HDR Image Reconstruction using an Unsupervised Fusion Model [0.0]
高ダイナミックレンジ(露光)イメージングは、自然界に存在する幅広い明るさレベルを再現することを目的としている。
本稿では,HDR画像生成のための深層学習に基づくマルチ露光融合手法を提案する。
論文 参考訳（メタデータ） (2025-10-21T17:43:22Z) - Multi-modal Multi-platform Person Re-Identification: Benchmark and Method [58.59888754340054]
MP-ReIDは、マルチモダリティとマルチプラットフォームReIDに特化した新しいデータセットである。
このベンチマークは、RGB、赤外線、サーマルイメージングなど、さまざまなモードで1,930のIDからデータをコンパイルする。
クロスモダリティとクロスプラットフォームシナリオに適した,特定設計のプロンプトを備えたフレームワークであるUni-Prompt ReIDを紹介する。
論文 参考訳（メタデータ） (2025-03-21T12:27:49Z) - Event-assisted 12-stop HDR Imaging of Dynamic Scene [20.064191181938533]
本稿では,イベントカメラとRGBカメラを備えたデュアルカメラシステムを利用して,ダイナミックシーンのための新しい12ストップHDRイメージング手法を提案する。
イベントカメラは、時間的に密度が高く、ダイナミックレンジの信号を提供し、LDRフレーム間のアライメントを大きな露出差で改善し、動きによって引き起こされるゴーストアーティファクトを減らす。
本手法は,動的シーンにおけるHDRイメージングを12停止まで拡張し,最先端の性能を実現する。
論文 参考訳（メタデータ） (2024-12-19T10:17:50Z) - HDRT: A Large-Scale Dataset for Infrared-Guided HDR Imaging [8.208995723545502]
我々はHDRと熱赤外画像からなる最初の包括的データセットを紹介する。
HDRTデータセットは、8つの都市で6ヶ月にわたって3つのシーズンで5万枚の画像で構成されている。
我々は、赤外線とSDRコンテンツを融合してHDR画像を生成する新しいディープニューラルネットワークHDRTNetを提案する。
論文 参考訳（メタデータ） (2024-06-08T13:43:44Z) - Event-based Asynchronous HDR Imaging by Temporal Incident Light Modulation [54.64335350932855]
我々は,HDRイメージングの課題に関する重要な知見に基づいて,Pixel-Asynchronous HDRイメージングシステムを提案する。
提案システムでは,DVS(Dynamic Vision Sensors)とLCDパネルを統合する。
LCDパネルは、その透過性を変化させてDVSの照射インシデントを変調し、ピクセル非依存のイベントストリームをトリガーする。
論文 参考訳（メタデータ） (2024-03-14T13:45:09Z) - Self-Supervised High Dynamic Range Imaging with Multi-Exposure Images in
Dynamic Scenes [58.66427721308464]
Selfは、訓練中にダイナミックなマルチ露光画像のみを必要とする自己教師型再構成手法である。
Selfは最先端の自己管理手法に対して優れた結果を出し、教師付き手法に匹敵するパフォーマンスを実現している。
論文 参考訳（メタデータ） (2023-10-03T07:10:49Z) - Multi-Exposure HDR Composition by Gated Swin Transformer [8.619880437958525]
本稿では,Swin Transformerに基づく新しいマルチ露光融合モデルを提案する。
露光空間ピラミッドにおける遠距離文脈依存性を自己認識機構により活用する。
実験により,本モデルが現在のマルチ露光HDR画像モデルと同等の精度が得られることが示された。
論文 参考訳（メタデータ） (2023-03-15T15:38:43Z) - Self-supervised HDR Imaging from Motion and Exposure Cues [14.57046548797279]
本稿では,学習可能なHDR推定のための新たな自己教師型アプローチを提案する。
実験の結果,提案手法を用いて訓練したHDRモデルは,全監督下で訓練したモデルと性能の競争力を発揮することがわかった。
論文 参考訳（メタデータ） (2022-03-23T10:22:03Z)
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。