論文の概要: LensStyle: Learning the Optical Aesthetics for Controllable Stylized Lens Effect Rendering

• arxiv url: http://arxiv.org/abs/2609.04939v1
• Date: Fri, 04 Sep 2026 09:46:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-07 18:15:23.99553
• Title: LensStyle: Learning the Optical Aesthetics for Controllable Stylized Lens Effect Rendering
• Title（参考訳）: LensStyle: 制御可能なスティル化レンズエフェクトレンダリングのための光学美学を学ぶ
• Abstract要約: LensStyleは、制御可能なスタイリングされたレンズエフェクトレンダリングのための統一されたフレームワークである。 離散レンズ式コンディショニングから連続光学パラメータ変調を分離する。 既存のレンズ効果レンダリング手法と比較して、現実性、制御性、美的品質が優れている。
• 参考スコア（独自算出の注目度）: 32.91447609593963
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The visual aesthetics of photographs are deeply influenced by lens characteristics such as aperture shape, optical vignetting and optical diffraction, which together define a camera's unique optical style. Existing lens effect rendering methods primarily focus on accurately simulating the blur transition from small to large apertures but overlook the stylistic aspects of lens effects. As a result, they fail to produce diverse bokeh effects under large apertures or capture distinctive photographic phenomena such as starbursts that emerge under small apertures. In this work, we introduce LensStyle, a unified framework for controllable stylized lens effect rendering that explicitly models lens aesthetics through joint continuous-discrete control. Our model incorporates a Dual-Path Controller that disentangles continuous optical parameter modulation (e.g., focus distance and blur strength) from discrete lens-style conditioning (e.g., circular, polygonal, donut, cat-eye, and starburst effects), enabling fine-grained, interpretable, and physically grounded lens manipulation within a single unified framework. To support model training, we curate a comprehensive MultiLens dataset containing multi-lens image pairs synthesized under real optical constraints. Extensive experiments demonstrate that LensStyle achieves superior realism, controllability, and aesthetic quality compared with existing lens effect rendering approaches and diffusion-based image editing models, advancing computational photography toward multiple-lens-style simulation.
• Abstract（参考訳）: 写真の視覚的美学は、開口形状、光学的ナビゲーション、光学的回折などのレンズ特性に深く影響され、カメラのユニークな光学的スタイルを定義する。 既存のレンズエフェクトレンダリング法は主に、小さな開口部から大きな開口部へのぼやけた遷移を正確にシミュレートすることに焦点を当てているが、レンズエフェクトのスタイリスティックな側面を見落としている。 その結果、大きな開口の下で様々なボケ効果を発生させることができず、小さな開口下で現れるスターバーストのような特徴的な写真現象を捉えられなかった。 本稿では,レンズ美学を連続離散制御により明示的にモデル化する,制御可能なスタイリング型レンズエフェクトレンダリングのための統合フレームワークであるLensStyleを紹介する。 本モデルでは、連続光パラメータ変調(例えば、焦点距離とブラー強度)を離散レンズ式条件付け(例えば、円、多角形、ドーナツ、猫眼、スターバースト効果)から切り離し、微細化、解釈可能、物理的に接地されたレンズ操作を可能にするデュアルパス制御器を組み込んだ。 モデルトレーニングを支援するため,実光制約下で合成されたマルチレンズ画像ペアを含む総合的MultiLensデータセットをキュレートする。 広汎な実験により、LensStyleは、既存のレンズ効果レンダリングアプローチや拡散ベースの画像編集モデルと比較して、優れたリアリズム、制御性、美的品質を実現し、マルチレンズスタイルのシミュレーションに向けて計算写真を前進させることを示した。

関連論文リスト

• Fine-grained Defocus Blur Control for Generative Image Models [66.30016220484394]
  現在のテキストと画像の拡散モデルは、多様な高品質な画像を生成するのに優れている。 本稿では,カメラメタデータを活用した新しいテキスト・画像拡散フレームワークを提案する。 我々のモデルは、描写されたシーンを変更することなく、より優れたきめ細かい制御を可能にする。
  論文  参考訳（メタデータ） (2025-10-07T17:59:15Z)
• BokehDiff: Neural Lens Blur with One-Step Diffusion [62.59018200914645]
  ボケフディフ(BokehDiff)は、物理的に正確で視覚的に魅力的な結果が得られるレンズボウ描画法である。 提案手法では, 画像形成プロセスと整合する自己認識モジュールを物理に着想を得た。 付加雑音を導入することなく1ステップの推論方式に拡散モデルを適応させ,高品質で忠実な結果を得る。
  論文  参考訳（メタデータ） (2025-07-24T03:23:19Z)
• Fovea Stacking: Imaging with Dynamic Localized Aberration Correction [10.382234835644327]
  Fovea Stackingは、デフォルマブル位相プレート(DPP)と呼ばれる動的光学部品を局所的な収差補正に利用する新しいタイプのイメージングシステムである。 微分可能な光学モデルによりDPP変形を最適化することにより、オフ軸収差を局所的に補正し、眼窩に類似した、固定点での鋭さを増強したファーベレーション画像を生成する。
  論文  参考訳（メタデータ） (2025-05-31T21:15:27Z)
• Examining the Impact of Optical Aberrations to Image Classification and Object Detection Models [58.98742597810023]
  視覚モデルは、ノイズやぼやけなどの乱れに対して頑丈に振る舞う必要がある。 本稿では,OpticsBenchとLensCorruptionsという,ぼやけた汚職の2つのデータセットについて検討する。 ImageNet と MSCOCO における画像分類と物体検出の評価は,様々な事前学習モデルにおいて OpticsBench と LensCorruptions の性能が著しく異なることを示す。
  論文  参考訳（メタデータ） (2025-04-25T17:23:47Z)
• Bokeh Diffusion: Defocus Blur Control in Text-to-Image Diffusion Models [26.79219274697864]
  Bokeh Diffusionはシーン一貫性のあるbokehコントロールフレームワークである。 本稿では,合成ぼかし増量による画像の調整を行うハイブリッド・トレーニング・パイプラインを提案する。 われわれのアプローチは、フレキシブルでレンズライクなぼかし制御を可能にし、インバージョンによる実際の画像編集のような下流アプリケーションをサポートする。
  論文  参考訳（メタデータ） (2025-03-11T13:49:12Z)
• Photorealistic Object Insertion with Diffusion-Guided Inverse Rendering [56.68286440268329]
  現実世界のシーンの画像に仮想オブジェクトを正しく挿入するには、シーンの照明、幾何学、材料を深く理解する必要がある。 本稿では,物理ベースの逆レンダリングプロセスへのガイダンスとして,パーソナライズされた大規模拡散モデルを提案する。 本手法は,シーンライティングとトーンマッピングのパラメータを復元し,任意の仮想オブジェクトの光リアルな構成を室内や屋外のシーンの単一フレームやビデオで再現する。
  論文  参考訳（メタデータ） (2024-08-19T05:15:45Z)
• Curved Diffusion: A Generative Model With Optical Geometry Control [56.24220665691974]
  最終シーンの外観に対する異なる光学系の影響は、しばしば見過ごされる。 本研究では,画像レンダリングに使用される特定のレンズとテキスト画像拡散モデルを密接に統合するフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-29T13:06:48Z)

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。