論文の概要: Recurrent Dynamic Range Extension

• arxiv url: http://arxiv.org/abs/2609.13135v1
• Date: Fri, 11 Sep 2026 17:56:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-15 07:38:31.831524
• Title: Recurrent Dynamic Range Extension
• Title（参考訳）: リカレントダイナミックレンジ拡張
• Abstract要約: 複雑なシーンの完全なダイナミックレンジを直接再構築する代わりに、まず簡単なタスクを学習する。 入力画像のダイナミックレンジを1つの露出値で拡張する。 これをマスターすると、ネットワークをリカレントに実行することでシーンのフルHDR画像を取得する。
• 参考スコア（独自算出の注目度）: 4.094848360328624
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We present an approach to progressively extend the highlights of an image. Instead of reconstructing the full dynamic range of a complex scene directly, we learn a simpler task first: We extend the dynamic range of an input image by a single exposure value. Once this is mastered, we retrieve the full HDR image for the scene by executing our network recurrently, progressively increasing the dynamic range of the input. Our formulation is agnostic to the input dynamic range and targets a bounded output domain. This enables us to use widely available RAW images for the reconstruction task and adapt adversarial losses to construct realistic images. By incorporating Memory Replay for backpropagation, we can train our network recurrently over multiple inference stages and reduce reconstruction errors. As a consequence, our system reconstructs challenging long-tailed HDR scenes robustly and shows powerful recovery of bright light sources and highlights.
• Abstract（参考訳）: 画像のハイライトを徐々に拡張する手法を提案する。 複雑なシーンのフルダイナミックレンジを直接再構築する代わりに、まず簡単なタスクを学習する: 入力画像のダイナミックレンジを単一の露出値で拡張する。 これをマスターすると、ネットワークをリカレントに実行してシーンのフルHDR画像を取得し、入力のダイナミックレンジを徐々に増加させます。 我々の定式化は入力ダイナミックレンジに非依存であり、有界出力領域をターゲットとします。 これにより、再建作業に利用可能なRAW画像を広く利用し、現実的な画像を構築するために敵の損失に適応することができる。 バックプロパゲーションにメモリリプレイを組み込むことで、複数の推論段階にわたってネットワークをリカレントにトレーニングし、再構成エラーを低減することができる。 その結果,本システムは長尺HDRシーンを頑健に再構成し,明るい光源とハイライトの強力な回復を示す。

関連論文リスト

• Single-Shot HDR Recovery via a Video Diffusion Prior [1.7499351967216341]
  単一ショットHDR再構成を条件付きビデオ生成として再キャストし,生成したフレームをHDR画像に融合する。 いくつかの再現指標において、モデルキャパシティと同等のモデルキャパシティで、最先端のジェネレーティブベースラインを上回ります。 この入力条件付きシーケンス生成および融合フレームワークは、HDRを超えて他の画像再構成タスクに拡張する。
  論文  参考訳（メタデータ） (2026-05-12T06:54:52Z)
• High-Speed Full-Color HDR Imaging via Unwrapping Modulo-Encoded Spike Streams [83.83721273785281]
  高速フルカラーHDR取得が可能な全変調HDRイメージングシステムを提案する。 このアプローチの核心は、複数の測定を時間内にインターリーブできる、露出分離型モジュロイメージングの定式化である。 本システムの実現可能性を検証するため,モジュール符号化スパイクストリームに基づく概念実証ハードウェアの実装を実証した。
  論文  参考訳（メタデータ） (2026-04-16T05:20:38Z)
• 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)
• Wavelet-Domain Masked Image Modeling for Color-Consistent HDR Video Reconstruction [69.35623794013152]
  高ダイナミックレンジ(LDR)ビデオ再構成は、LDRビデオから微妙な明るさ、色、詳細を復元することを目的としている。 既存の方法は、しばしば色の不正確さと時間的不整合に悩まされる。 We propose WMNet, a novel HDR video reconstruction network that leverageing Wavelet domain Masked Image Modeling。
  論文  参考訳（メタデータ） (2026-02-07T06:19:23Z)
• Intrinsic Single-Image HDR Reconstruction [0.6554326244334868]
  そこで本研究では,本質的な領域におけるHDR再構成問題の物理的に着想を得たリモデリングを提案する。 課題を2つの単純なサブタスクに分割することで,多種多様な写真の性能向上が期待できる。
  論文  参考訳（メタデータ） (2024-09-20T17:56:51Z)
• Generating Content for HDR Deghosting from Frequency View [56.103761824603644]
  近年の拡散モデル (DM) はHDRイメージング分野に導入されている。 DMは画像全体を推定するために大きなモデルで広範囲の反復を必要とする。 ゴーストフリーHDRイメージングのための低周波数対応拡散(LF-Diff)モデルを提案する。
  論文  参考訳（メタデータ） (2024-04-01T01:32:11Z)
• 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)
• High Dynamic Range Image Reconstruction via Deep Explicit Polynomial Curve Estimation [18.791064275404864]
  高ダイナミックレンジ (High Dynamic Range) は、現実世界のシーンをよりよく表現するために、ダイナミックレンジを復元するために提案されている。 物理画像パラメータが異なるため、画像と実放射のトーンマッピング機能は極めて多様である。 1つのネットワークにおけるトーンマッピング関数とその対応するHDR画像を明示的に推定する手法を提案する。
  論文  参考訳（メタデータ） (2023-07-31T06:21:47Z)
• Efficient HDR Reconstruction from Real-World Raw Images [16.54071503000866]
  エッジデバイス上の高解像度スクリーンは、効率的な高ダイナミックレンジ(HDR)アルゴリズムに対する強い需要を刺激する。 多くの既存のHDRメソッドは不満足な結果をもたらすか、計算資源やメモリ資源を消費する。 本研究では,生画像から直接HDRを再構成し,新しいニューラルネットワーク構造を探索する優れた機会を見出した。
  論文  参考訳（メタデータ） (2023-06-17T10:10:15Z)
• HDR-cGAN: Single LDR to HDR Image Translation using Conditional GAN [24.299931323012757]
  低ダイナミックレンジ(LDR)カメラは、現実世界のシーンの広いダイナミックレンジを表現できない。 本研究では,HDR画像の再構成を行いながら,飽和領域の詳細を復元する深層学習手法を提案する。 本稿では,HDR-REALデータセットとHDR-SYNTHデータセットに対して,エンドツーエンドでトレーニングされた新しい条件付きGAN(cGAN)ベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-10-04T18:50:35Z)
• Single-Image HDR Reconstruction by Learning to Reverse the Camera Pipeline [100.5353614588565]
  本稿では,LDR画像形成パイプラインの領域知識をモデルに組み込むことを提案する。 我々は,HDRto-LDR画像形成パイプラインを(1)ダイナミックレンジクリッピング,(2)カメラ応答関数からの非線形マッピング,(3)量子化としてモデル化する。 提案手法は,最先端の単一画像HDR再構成アルゴリズムに対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-04-02T17:59:04Z)

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。