論文の概要: Neural Block-wise Auto-exposure for Single-Shot High Dynamic Range Imaging

• arxiv url: http://arxiv.org/abs/2610.18733v1
• Date: Fri, 09 Oct 2026 12:19:44 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-16 19:56:20.91469
• Title: Neural Block-wise Auto-exposure for Single-Shot High Dynamic Range Imaging
• Title（参考訳）: シングルショット高ダイナミックレンジイメージングのためのニューラルブロックワイドオート露光
• Abstract要約: ブロック単位の異なる露光の問題に対処するために, ニューラルブロック単位の自動露光アルゴリズムを提案する。 提案アルゴリズムは、一時画像とその露光時間を、重複しない16×16ブロックの露光時間にマッピングする。 実験結果は、提案したニューラルブロックワイド自動露光アルゴリズムを検証する。
• 参考スコア（独自算出の注目度）: 17.52682596337417
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Block-wise varying exposures are effective for cap- turing appearance of a real-world high dynamic range (HDR) scene via a single-shot. However, brightness order reversal (BOR) artifacts, blocking artifacts and loss of details in highlight/shadow regions are possible issues for block-wise varying exposures. In this paper, a novel neural block-wise auto-exposure algorithm is proposed to address the issues. The proposed algorithm maps a temporary image and its exposure time to the exposure times of all non-overlapping 16 X 16 blocks. The temporary image can be either an sRGB or a raw image. Although the sRGB image is widely adopted in existing auto-exposure algorithms, exposure times of blocks in the highlight and shadow regions might not be accurately learned due to the limited radiance measurement capability of the sRGB image. This paper thus also explores the feasibility of temporary image as a raw image. Due to the better radiance measurement capability of the raw image, the exposure times of blocks are learned more accurately, and more details in the highlight/shadow regions of the real-world HDR scene are captured by the resultant HDR imaging system. Experiment results validate the proposed neural block-wise auto-exposure algorithm.
• Abstract（参考訳）: ブロックワイズ変動露光は、実世界のハイダイナミックレンジ(HDR)シーンを1ショットで撮影するときに有効である。 しかし、輝度順序反転(BOR)アーティファクト、ブロッキングアーティファクト、ハイライト/シャドウ領域における詳細の損失は、ブロックワイドな露光に対して起こりうる問題である。 本稿では,その問題に対処するために,ニューラルブロックワイド自動露光アルゴリズムを提案する。 提案アルゴリズムは、一時画像とその露光時間を、重複しない16×16ブロックの露光時間にマッピングする。 仮画像は、sRGBまたは生画像のいずれかである。 既存の自動露光アルゴリズムではsRGB画像が広く採用されているが,sRGB画像の放射率測定能力に制限があるため,ハイライト領域と影領域のブロックの露光時間は正確には学ばない可能性がある。 そこで本研究では,原画像としての仮像の実現可能性についても検討する。 生画像の放射率測定能力の向上により、ブロックの露光時間をより正確に学習し、実世界のHDRシーンのハイライト/シャドウ領域の詳細を、その結果のHDRイメージングシステムによりキャプチャする。 実験結果は、提案したニューラルブロックワイド自動露光アルゴリズムを検証する。

関連論文リスト

• 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)
• 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)
• UltraLED: Learning to See Everything in Ultra-High Dynamic Range Scenes [57.974462689166394]
  超高ダイナミックレンジのシーンは、明るい領域と暗い領域の間に顕著な露光差を示す。 RGBベースのブラケット法は、短距離露光ペアを使用して両端の細部をキャプチャできるが、修正ミスやゴーストのアーティファクトの影響を受けやすい。 本研究では,ゴーストや動きのぼかしを本質的に回避する,単一の短時間露光フレームにのみ依存する。
  論文  参考訳（メタデータ） (2025-10-09T03:29:39Z)
• Single-shot HDR using conventional image sensor shutter functions and optical randomization [5.385133912044709]
  シングルショットHDRイメージングは、HDRデータを単一の露光に符号化し、それを計算的に復元することで問題を緩和する。 我々は、市販センサのグローバルリセットリリース(GRR)シャッターモードを利用する。 プロトタイプでは,48dBのダイナミックレンジを持つ8ビットセンサを用いて,最大73dBのダイナミックレンジを実現する。
  論文  参考訳（メタデータ） (2025-06-27T17:48:21Z)
• High Dynamic Range Modulo Imaging for Robust Object Detection in Autonomous Driving [3.4956406636452626]
  この研究は、自動運転車のロバスト物体検出にモジュロセンサーを導入している。 YOLOv10モデルによる実験により、モジュロ画像はHDR画像に匹敵する性能を発揮することが示された。 提案手法とHDR画像再構成を組み合わせたモジュロ撮像は,従来のHDR画像取得に必要な時間よりも短い。
  論文  参考訳（メタデータ） (2025-04-11T21:35:26Z)
• 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)
• GlowGAN: Unsupervised Learning of HDR Images from LDR Images in the Wild [74.52723408793648]
  そこで本研究では,HDR画像の生成モデルを構築するための第1の手法について述べる。 鍵となる考え方は、GAN(Generative Adversarial Network)を訓練して、様々な露光下でLDRに投影された場合、実際のLDR画像と区別できないHDR画像を生成することである。 実験の結果,GlowGANはランドスケープ,雷,窓など多くの難題において,光現実的HDR画像を合成できることがわかった。
  論文  参考訳（メタデータ） (2022-11-22T15:42:08Z)
• High Dynamic Range and Super-Resolution from Raw Image Bursts [52.341483902624006]
  本稿では,露光ブラケット付きハンドヘルドカメラで撮影した原写真からの高解像度・高ダイナミックレンジカラー画像の再構成について紹介する。 提案アルゴリズムは,画像復元における最先端の学習手法と比較して,メモリ要求の少ない高速なアルゴリズムである。 実験では、ハンドヘルドカメラで野生で撮影された実際の写真に最大4ドル(約4,800円)の超高解像度な要素で優れた性能を示す。
  論文  参考訳（メタデータ） (2022-07-29T13:31:28Z)
• Deep Snapshot HDR Imaging Using Multi-Exposure Color Filter Array [14.5106375775521]
  本稿では,有効損失と入力データの正規化を同時に実現する輝度正規化の考え方を紹介する。 2つの公開HDR画像データセットを用いた実験結果から,我々のフレームワークが他のスナップショット手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-11-20T06:31:37Z)
• Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
  本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。 REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。 このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
  論文  参考訳（メタデータ） (2020-07-21T17:30:51Z)

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。