文献

J-GLOBAL ID：202002298455539109   整理番号：20A2196410

情報量強化ネットワークによるマルチ露光高ダイナミックレンジイメージング【JST・京大機械翻訳】

Multi-exposure high dynamic range imaging with informative content enhanced network

著者 (6件)： Pan Zhiyong (Faculty of Information Science and Engineering, Ningbo University, Ningbo 315211, China) ,  Yu Mei (Faculty of Information Science and Engineering, Ningbo University, Ningbo 315211, China) ,  Jiang Gangyi (Faculty of Information Science and Engineering, Ningbo University, Ningbo 315211, China) ,  Xu Haiyong (Faculty of Information Science and Engineering, Ningbo University, Ningbo 315211, China) ,  Peng Zongju (Faculty of Information Science and Engineering, Ningbo University, Ningbo 315211, China) ,  Chen Fen (Faculty of Information Science and Engineering, Ningbo University, Ningbo 315211, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 386  ページ： 147-164  発行年： 2020年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 高ダイナミックレンジ(HDR)イメージングシステムに対して,情報量強化ネットワーク(ICEN)に基づく新しい多重露光HDRイメージング法を提案し,既存の深層学習ベース手法が,異なる曝露低ダイナミックレンジ(LDR)画像コンテンツを完全に利用し,アンダー/オーバー曝露領域の詳細を復元するという欠点を克服した。特に,HDRイメージングに寄与する異なる曝露LDR画像における鍵内容は,まず情報量(IC)として定義される。次に,ICは,提案した残差チャネル注意モジュール(RCAM)によって強化して,次にHDR画像を作り出すために融合した。さらに,HDR画像ラベルを構築し,提案したICENを訓練するためのマルチ露光HDRイメージングデータセットを生成するため,生成スキームを設計した。実験結果は,提案方法が定量的および定性的解析において既存のHDR画像法より優れていることを示して,高品質HDR画像を迅速に作り出すことができた。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *ネットワーク ,  残差 ,  *露光 ,  *画像処理 ,  *情報量 ,  多重化 ,  多重露光 ,  *ダイナミックレンジ ,  チャネル ,  コンテンツ
準シソーラス用語： 高品質 ,  高ダイナミックレンジ画像 ,  イメージングシステム ,  深層学習 ,  *高ダイナミックレンジ , 【Automatic Indexing@JST】

著者キーワード (4件)： 高ダイナミックレンジイメージング ,  多重曝露 ,  有益なコンテンツ強化ネットワーク ,  残留チャネル注意モジュール

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (6件)： 情報量 ,  強化 ,  マルチ ,  露光 ,  高ダイナミックレンジ ,  イメージング