論文の概要: Neighbor-Aware View Synthesis for Restoring Missing Views in Light-Field Camera Arrays

• arxiv url: http://arxiv.org/abs/2608.23175v1
• Date: Mon, 24 Aug 2026 12:23:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:37.008393
• Title: Neighbor-Aware View Synthesis for Restoring Missing Views in Light-Field Camera Arrays
• Title（参考訳）: 近接視野カメラアレイの視界復元のための近接視野合成
• Abstract要約: 隣接するカメラの慎重に選択されたサブセットから情報を活用することで、不在視点を合成する新しい生成フレームワークを提案する。 合成および実世界のLFデータセットを用いた実験により,本手法が視覚的に可視かつ光度的に正確な再構成を実現することを示す。
• 参考スコア（独自算出の注目度）: 3.4239565380045343
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In light-field (LF) imaging systems, dense spatial sampling from a camera array enables powerful post-capture capabilities such as refocusing and depth estimation. However, real-world LF capture is often affected by hardware malfunctions, where one or more cameras in the array fail, leading to missing sub-aperture images and degraded reconstruction quality. This paper addresses the problem of defective or missing view restoration in light-field camera arrays. We propose a novel generative framework that synthesizes the absent views by exploiting information from a carefully selected subset of neighboring cameras. These selected images, along with a positional encoding map indicating both their locations and the desired target view, are fed into a conditional Generative Adversarial Network (cGAN) trained to generate the missing viewpoint in a geometrically consistent manner. Extensive experiments on synthetic and real-world LF datasets demonstrate that our method produces visually plausible and photometrically accurate reconstructions, outperforming baselines for view interpolation both quantitatively and qualitatively. The proposed framework thus offers a robust and efficient solution for fault-tolerant light-field image acquisition.
• Abstract（参考訳）: 光場(LF)イメージングシステムでは、カメラアレイからの高密度空間サンプリングにより、再焦点化や深度推定などの強力な後撮影機能を実現する。 しかし、現実のLFキャプチャは、アレイ内の1つ以上のカメラが故障し、サブアパーチャ画像が欠落し、再構築品質が低下するハードウェアの故障によってしばしば影響を受ける。 本稿では,光界カメラアレイにおける視界復元の欠陥や欠如の問題に対処する。 隣接するカメラの慎重に選択されたサブセットから情報を活用することで、不在視点を合成する新しい生成フレームワークを提案する。 これらの選択された画像は、位置と所望の目標ビューの両方を示す位置符号化マップとともに、幾何学的に一貫した方法で欠落した視点を生成するために訓練された条件付き生成逆ネットワーク(cGAN)に入力される。 合成および実世界のLFデータセットに対する大規模な実験により、我々の手法は視覚的に可視かつ光度的に正確な再構成を生成でき、定量的かつ定性的に視線補間を行うためのベースラインよりも優れていた。 提案するフレームワークは、耐故障性光フィールド画像取得のための堅牢で効率的なソリューションを提供する。

関連論文リスト

• OmniPoint: Universal Monocular Metric Pointcloud from Any Camera [79.24417597712802]
  OmniPointは、様々な画像センサにまたがるメートル法再構成を一般化するために設計された統合されたフレームワークである。 射影剛性を克服するため、OmniPointは従来の平面深度回帰を放棄する。 代わりに、分離された訓練目標とともに、分離された光線と距離の表現を採用する。
  論文  参考訳（メタデータ） (2026-09-08T19:45:58Z)
• HUE Dataset: High-Resolution Event and Frame Sequences for Low-Light Vision [16.432164340779266]
  低照度条件下での高分解能イベントとフレームシーケンスのコレクションであるHUEデータセットを紹介する。 私たちのデータセットには、屋内、都市景観、トワイライト、夜、運転、制御されたシナリオを含む106のシーケンスが含まれています。 我々は定性評価と定量的評価の両方を用いて、最先端の低照度化と事象に基づく画像再構成手法を評価する。
  論文  参考訳（メタデータ） (2024-10-24T21:15:15Z)
• Improving Lens Flare Removal with General Purpose Pipeline and Multiple Light Sources Recovery [69.71080926778413]
  フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。 現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。 本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
  論文  参考訳（メタデータ） (2023-08-31T04:58:17Z)
• Enhancing Low-light Light Field Images with A Deep Compensation Unfolding Network [52.77569396659629]
  本稿では,低光環境下で撮像した光場(LF)画像の復元に,DCUNet(Deep compensation network openfolding)を提案する。 このフレームワークは、中間拡張結果を使用して照明マップを推定し、展開プロセスで新しい拡張結果を生成する。 本稿では,LF画像の特徴を適切に活用するために,擬似明示的特徴相互作用モジュールを提案する。
  論文  参考訳（メタデータ） (2023-08-10T07:53:06Z)
• SPARF: Neural Radiance Fields from Sparse and Noisy Poses [58.528358231885846]
  SPARF(Sparse Pose Adjusting Radiance Field)を導入し,新規な視点合成の課題に対処する。 提案手法は、NeRFを共同学習し、カメラのポーズを洗練するために、多視点幾何学的制約を利用する。
  論文  参考訳（メタデータ） (2022-11-21T18:57:47Z)
• Spectral Reconstruction and Disparity from Spatio-Spectrally Coded Light Fields via Multi-Task Deep Learning [0.0]
  我々はスペクトル中心ビューとそのマップをスペクトル符号化光場から再構成する。 符号化された光フィールドは、焦点のない設計で光フィールドカメラによって捉えられたものに対応する。 合成光分野と現実光分野の両方において高い復元品質を実現します。
  論文  参考訳（メタデータ） (2021-03-18T11:28:05Z)
• Light Field View Synthesis via Aperture Disparity and Warping Confidence Map [47.046276641506786]
  本稿では,スパース画像の集合から任意のカメラ位置からビューを合成するための学習的アプローチを提案する。 この新たなビュー合成の鍵となる課題は、異なる入力画像からのビューが光路の障害物のために一貫性がない場合の再構成プロセスから生じる。
  論文  参考訳（メタデータ） (2020-09-07T09:46:01Z)
• Light Field Spatial Super-resolution via Deep Combinatorial Geometry Embedding and Structural Consistency Regularization [99.96632216070718]
  ハンドヘルドデバイスが取得した光フィールド(LF)画像は通常、空間分解能の低下に悩まされる。 LF画像の高次元空間特性と複雑な幾何学構造は、従来の単一像SRよりも問題をより困難にしている。 本稿では,LF画像の各ビューを個別に超解答する新しい学習ベースLFフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-04-05T14:39:57Z)
• Deep 3D Capture: Geometry and Reflectance from Sparse Multi-View Images [59.906948203578544]
  本稿では,任意の物体の高品質な形状と複雑な空間変化を持つBRDFを再構成する学習に基づく新しい手法を提案する。 まず、深層多視点ステレオネットワークを用いて、ビューごとの深度マップを推定する。 これらの深度マップは、異なるビューを粗く整列するために使用される。 本稿では,新しい多視点反射率推定ネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-03-27T21:28:54Z)

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。