論文の概要: Image Guided Depth Upsampling using Anisotropic Total Generalized Variation

• arxiv url: http://arxiv.org/abs/2611.03399v1
• Date: Mon, 02 Nov 2026 16:31:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-11-06 04:47:36.998844
• Title: Image Guided Depth Upsampling using Anisotropic Total Generalized Variation
• Title（参考訳）: 異方性全一般化変分を用いた画像ガイド深度アップサンプリング
• Abstract要約: 深度画像アップサンプリングにおける高次正則化を用いた凸最適化問題を定式化する。 高分解能強度画像から算出した異方性拡散テンソルを用いて、アップサンプリングを誘導する。 この手法は, 広く使用されているミドルベリー2007データセットの速度と精度において, 芸術的アプローチの状態を明らかに上回っていることを示す。
• 参考スコア（独自算出の注目度）: 11.354311996780973
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In this work we present a novel method for the challenging problem of depth image upsampling. Modern depth cameras such as Kinect or Time of Flight cameras deliver dense, high quality depth measurements but are limited in their lateral resolution. To overcome this limitation we formulate a convex optimization problem using higher order regularization for depth image upsampling. In this optimization an anisotropic diffusion tensor, calculated from a high resolution intensity image, is used to guide the upsampling. We derive a numerical algorithm based on a primaldual formulation that is efficiently parallelized and runs at multiple frames per second. We show that this novel upsampling clearly outperforms state of the art approaches in terms of speed and accuracy on the widely used Middlebury 2007 datasets. Furthermore, we introduce novel datasets with highly accurate groundtruth, which, for the first time, enable to benchmark depth upsampling methods using real sensor data.
• Abstract（参考訳）: 本研究では,深度画像アップサンプリングの課題に対する新しい手法を提案する。 KinectやTime of Flightのような現代の深度カメラは、密度が高く、高品質な深度測定を提供するが、横方向の解像度には制限がある。 この制限を克服するために、深度画像アップサンプリングの高次正則化を用いて凸最適化問題を定式化する。 この最適化では、高分解能強度画像から算出された異方性拡散テンソルを用いてアップサンプリングを行う。 並列化を効率よく行い、毎秒複数のフレームで実行される原始的な定式化に基づく数値アルゴリズムを導出する。 この斬新なアップサンプリングは、広く使われているミドルベリー2007データセットの速度と精度において、最先端のアプローチよりも明らかに優れていることを示す。 さらに,高精度な基盤構造を持つ新しいデータセットを導入し,実センサデータを用いた深度アップサンプリング手法のベンチマークを可能にする。

関連論文リスト

• Local Attention Transformers for High-Detail Optical Flow Upsampling [52.68929881957646]
  現在広く採用されている凸アップサンプリング手法のいくつかの問題点と限界について論じる。 我々は, 最終凸アップサンプラーの重みを分離し, 正確な凸結合を見つけるのを容易にすることを提案する。 我々は,注目に基づく代替凸アップサンプラーを用いて,凸マスクサイズを増大させる。
  論文  参考訳（メタデータ） (2024-12-09T12:30:59Z)
• bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
  疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。 Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。 本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
  論文  参考訳（メタデータ） (2024-10-30T17:30:35Z)
• Supersampling of Data from Structured-light Scanner with Deep Learning [1.6385815610837167]
  2つのディープラーニングモデルFDSRとDKNは、高解像度のデータを扱うように修正される。 得られた高分解能深度マップは定性的および定量的な測定値を用いて評価される。
  論文  参考訳（メタデータ） (2023-11-13T16:04:41Z)
• High-Quality Real-Time Rendering Using Subpixel Sampling Reconstruction [20.431360489828975]
  我々は,サンプリングプロセスとそれに対応するデノイザ,サブピクセルサンプリング再構成(SSR)を高速化する新しいモンテカルロサンプリング戦略を提案する。 提案手法は,2K解像度でのリアルタイムレンダリングを実現するため,従来手法よりも品質を劣化させ,全体の時間コストを低減させる。
  論文  参考訳（メタデータ） (2023-01-03T10:43:22Z)
• Deep Model-Based Super-Resolution with Non-uniform Blur [1.7188280334580197]
  非一様ぼかしを持つ超解像の最先端手法を提案する。 まず,線形化ADMM分割手法に基づく高速なプラグアンドプレイアルゴリズムを提案する。 反復アルゴリズムをひとつのネットワークに展開し、エンドツーエンドでトレーニングします。
  論文  参考訳（メタデータ） (2022-04-21T13:57:21Z)
• Aliasing is your Ally: End-to-End Super-Resolution from Raw Image Bursts [70.80220990106467]
  本発表では,空間と時間に若干異なる視点から撮影された複数の低解像度スナップショットから高分解能画像を再構成する問題に対処する。 この問題を解決するための主な課題は、(i)入力画像とサブピクセル精度の整合性、(ii)ネイティブカメラデータに対する最大限の忠実性のための生(ノイズ)画像の扱い、(iii)タスクに適した画像事前(正規化器)を設計・学習することである。
  論文  参考訳（メタデータ） (2021-04-13T13:39:43Z)
• Real-Time, Deep Synthetic Aperture Sonar (SAS) Autofocus [34.77467193499518]
  合成開口ソナー(sas)は、送信/受信波形の正確な飛行時間計測を必要とする。 これを解決するために、画像再構成後の後処理ステップとして、Emphautofocusアルゴリズムを用いて、画像フォーカスを改善する。 これらの限界を克服し、データ駆動方式で重み付け関数を暗黙的に学習するための深層学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-18T15:16:29Z)
• Robust Consistent Video Depth Estimation [65.53308117778361]
  本稿では,単眼映像からカメラのカメラポーズと密集した深度マップを推定するアルゴリズムを提案する。 本手法は,(1)低周波大規模アライメントのためのフレキシブルな変形-スプラインと(2)細部奥行き詳細の高周波アライメントのための幾何認識深度フィルタリングとを組み合わせた手法である。 従来の手法とは対照的に, カメラのポーズを入力として必要とせず, かなりの音量, 揺動, 動きのぼやき, 転がりシャッター変形を含む携帯のハンドヘルドキャプチャに頑健な再構成を実現する。
  論文  参考訳（メタデータ） (2020-12-10T18:59:48Z)

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。