論文の概要: When is a closed-form RGB->S/P ratio adequate? A hyperspectral characterization on natural scenes for mesopic display
- arxiv url: http://arxiv.org/abs/2609.24819v1
- Date: Mon, 21 Sep 2026 16:10:29 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-22 20:29:01.385932
- Title: When is a closed-form RGB->S/P ratio adequate? A hyperspectral characterization on natural scenes for mesopic display
- Title（参考訳）: 閉形RGB->S/P比は適切か? : メソピックディスプレイにおける自然界のハイパースペクトル特性
- Abstract要約: メソピックおよび低照度表示変換は、ピクセルごとのスコトピック-フォトピック輝度比(S/P)を必要とする
日光時間系列では、6スカラー閉形式がスペクトルS/Pを、RGB入力がD65に彩色されたときに時間不変である0.07の中央誤差で再現する。
その結果は独立な50段集合に一般化される。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Mesopic and low-light display transforms require, as their driving signal, a per-pixel scotopic-to-photopic luminance ratio (S/P); the exact spectral S/P is unavailable for ordinary RGB content, so a low-cost closed form that estimates S/P from a linear-RGB triplet is used in its place. Such closed forms exist but have been characterized only on narrowband / LED sources, i.e. spectrally sparse spectra, where a relative error of ~41% has been reported for a three-channel projection. Display content, however, is natural and broadband. We ask whether the same closed form is adequate there, using per-pixel spectral S/P from hyperspectral imagery as ground truth. On a daylight radiance time-series, a six-scalar closed form (three photopic and three scotopic channel weights) reproduces spectral S/P with a median error of ~0.07 that is time-invariant once the RGB input is chromatically adapted to D65; evaluated in un-adapted sRGB the error instead carries a color-temperature tilt across illuminants (~0.19), so adaptation is the enabling step for this use case. The result generalizes to an independent fifty-scene set (pooled median 0.024; 45/50 scenes within a pre-registered 0.10 band), with the few exceedances concentrated in saturated, spectrally-peaky surfaces that approach the narrowband regime (floral close-ups in this set). The scotopic weight vector is shown to be primary-model dependent, but the value used here is corroborated by a primary-free XYZ projection, and the median error stays within the band across all principled coefficient choices. We do not claim observer-validated appearance fidelity or adequacy on narrowband sources; both are out of scope. Both outcomes follow from the same three-channel projection: it is overwhelmed by spectrally sparse inputs and adequate on spectrally smooth ones.
- Abstract（参考訳）: メソピック・ローライト表示変換は、その駆動信号として、画素ごとのコトピック-フォトピック輝度比(S/P)を必要とするため、正確なスペクトルS/Pは通常のRGBコンテンツでは利用できないので、リニアRGB三重項からS/Pを推定する低コストのクローズド形式を用いる。
このような閉じた形は存在するが、狭帯域/LED源、すなわちスペクトル的にスパーススペクトルのみに特徴付けられており、3チャンネル投影に対して相対誤差が約41%と報告されている。
しかし、ディスプレイコンテンツは自然でブロードバンドだ。
我々は、ハイパースペクトル画像からの画素ごとのスペクトルS/Pを基底事実として、同じ閉じた形状が適切かどうかを問う。
日光放射時間系列では、6つのスカラー閉形式(3光度と3光度チャネル重み)がスペクトルS/Pを、RGB入力がD65に彩色的に適応すると、時間不変である ~0.07 の中央値誤差で再現する。
結果は、独立した50シーンセット(0.10バンド内の0.024、45/50のシーン)に一般化され、少数の超過は、狭帯域体制(このセットの花のクローズアップ)に近づく飽和でスペクトル的な表面に集中する。
位相重みベクトルは一次モデル依存であることが示されるが、ここで用いられる値は一次自由XYZ射影によって近似され、中央誤差はすべての原理化された係数選択の帯域内に留まる。
我々は、狭帯域情報源におけるオブザーバー検証された外観の忠実さや妥当性を主張しない。
どちらの結果も同じ3チャンネル投影の結果であり、スペクトル的にスパースな入力に圧倒され、スペクトル的に滑らかな射影に適している。
関連論文リスト
- DensePol: Dense-Angle Polarization Dataset for Learning-Based Polarimetric Vision [8.673131921192995]
分割時間(DoT)取得に基づく高冗長なRGB偏極データセットであるDensePolを紹介する。
密度角サンプリングにより偏光安定性が大幅に向上し、AoLP偏差は13.36円から21円に減少する。
実験では偏光予測と下流面正規推定の改善が示された。
論文 参考訳（メタデータ） (2026-09-08T18:48:33Z) - Spectral Prior for Reducing Exposure Bias in Diffusion Models [37.66268273278838]
本稿では,中間予測のパワースペクトルを事前計算に校正する,軽量なガイダンスに基づく手法を提案する。
提案手法は,(1)訓練データからのパラメトリックスペクトルモデルのオフライン適用,(2)効率的なFFT勾配による露出推定の2段階からなる。
論文 参考訳（メタデータ） (2026-07-24T08:37:04Z) - Illuminant-Adaptive 3D Lookup Tables for Camera Color Correction [10.971431168902166]
照明適応型3次元ルックアップテーブル(LUT)に基づく色補正フレームワークを提案する。
本手法は, 色度を意識した照度表現と非線形色変換を組み合わせ, 照度の下での正確な補正を可能にする。
複数のカメラ、照度、反射率データセット、実際の撮像画像に対する実験は、既存の色補正方法よりも一貫した改善を示している。
論文 参考訳（メタデータ） (2026-07-13T15:19:35Z) - Correcting Neural Operator Spectral Bias via Diffusion Posterior Sampling with Sparse Observations [0.0]
ニューラル作用素は、数値解法よりも桁違いに高速な近似PDE解を代理する。
磁場のスパースセンサー測定もしばしば利用可能であり、スペクトル歪みを伴わないポイントワイズ精度を提供する。
拡散後サンプリングフレームワークにおけるNO予測を補助観測として扱うことでこの問題に対処する。
論文 参考訳（メタデータ） (2026-06-02T17:26:15Z) - Poppy: Polarization-based Plug-and-Play Guidance for Enhancing Monocular Normal Estimation [69.74622862203036]
Poppyは、テスト時に単発偏光測定を使用して、凍結したRGBバックボーンから正規性を洗練する、トレーニング不要のフレームワークである。
微分可能なレンダリング層は、精製された正規項を偏光予測に変換し、観察された信号とミスマッチをペナライズする。
これらの結果から, 学習したRGBに基づく偏極キューを用いた正規分布推定器の誘導は, 再学習することなく, 挑戦面上の正規分布を洗練させることがわかった。
論文 参考訳（メタデータ） (2026-03-29T22:05:09Z) - A Sub-Pixel Multimodal Optical Remote Sensing Images Matching Method [2.9300891362823425]
位相整合性重み付き最小絶対偏差(PCWLAD)サブピクセルテンプレートマッチング法を提案し,マルチモーダル光学画像のマッチング精度を向上させる。
我々は,PCWLADの性能を評価するために,赤外線ランドサット画像,近赤外近距離画像,赤外線無人航空機(UAV)画像の3種類の画像データセットを構築した。
論文 参考訳（メタデータ） (2025-08-14T02:49:19Z) - Variational diffusion transformers for conditional sampling of supernovae spectra [49.1574468325115]
本報告では,光曲線観測に基づく拡散モデルであるDiTSNe-Iaを導入し,SNe Iaのスペクトルの多様性を再現する訓練を行った。
放射光伝達シミュレーションによる現実的な光曲線とスペクトルの実験において、DiTSNe-Iaは広く使用されているSALT3テンプレートよりもはるかに正確な再構成を行う。
論文 参考訳（メタデータ） (2025-05-05T22:52:32Z) - Ternary-Type Opacity and Hybrid Odometry for RGB NeRF-SLAM [58.736472371951955]
表面を交差する光線上の点を3つの領域(前・前・後・後)に分類する3成分式不透明度モデルを導入する。
これにより、より正確な深度のレンダリングが可能となり、画像ワープ技術の性能が向上する。
TTとHOの統合アプローチは,合成および実世界のデータセット上で最先端のパフォーマンスを実現する。
論文 参考訳（メタデータ） (2023-12-20T18:03:17Z) - Neural Inference of Gaussian Processes for Time Series Data of Quasars [72.79083473275742]
クエーサースペクトルを完全に記述できる新しいモデルを提案する。
また、$textitNeural Inference$というガウス的プロセスパラメータの推論の新しいメソッドも導入しています。
CDRWモデルとNeural Inferenceの組み合わせはベースラインのDRWとMLEを大きく上回っている。
論文 参考訳（メタデータ） (2022-11-17T13:01:26Z) - Extreme Rotation Estimation using Dense Correlation Volumes [73.35119461422153]
本稿では,RGB画像対の相対的な3次元回転を極端に推定する手法を提案する。
画像が重なり合わなくても、それらの幾何学的関係に関して豊富な隠れた手がかりがあるかもしれないと観察する。
本稿では,2つの入力画像間の全ての点を比較することで,そのような暗黙の手がかりを自動的に学習できるネットワーク設計を提案する。
論文 参考訳（メタデータ） (2021-04-28T02:00:04Z)
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。