文献

J-GLOBAL ID：202102235662878934   整理番号：21A3307559

勾配を意識した文脈集約ネットワークを介した高ダイナミックレンジイメージング【JST・京大機械翻訳】

High dynamic range imaging via gradient-aware context aggregation network

著者 (7件)： Yan Qingsen (The University of Adelaide, SA 5005, Australia) ,  Gong Dong (The University of Adelaide, SA 5005, Australia) ,  Shi Javen Qinfeng (The University of Adelaide, SA 5005, Australia) ,  den Hengel Anton van (The University of Adelaide, SA 5005, Australia) ,  Sun Jinqiu (Northwestern Polytechnical University, Xi’an, China) ,  Zhu Yu (Northwestern Polytechnical University, Xi’an, China) ,  Zhang Yanning (Northwestern Polytechnical University, Xi’an, China)
資料名： Pattern Recognition  (Pattern Recognition)
巻： 122  ページ： Null  発行年： 2022年 
JST資料番号： D0611A  ISSN： 0031-3203  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： 異なる露光による多重低ダイナミックレンジ画像からの高ダイナミックレンジ(HDR)画像を得ることは,様々なコンピュータビジョンタスクにおいて重要なステップである。分野における進行中の課題の一つは,ゴーストアーチファクトのないHDR画像を生成することである。そのようなアーチファクトが勾配領域で特に顕著であるという観察によって動機づけられて,本論文では,画像勾配ドメインからのガイダンスで複数のLDR画像から情報を集約するHDRイメージングアプローチを提案した。提案方法は,画像勾配情報と画素領域における画像コンテキスト情報を統合することによって,アーチファクトのない画像を生成する。大面積の文脈情報は,飽和と不整合によって汚染されたコンテンツを再構成するのを助ける。特に,勾配領域における付加的勾配流と監視を適用して,HDRイメージングにおける勾配情報を組み込んだ。空間解像度を維持しながら広域から捉えられたコンテキスト情報を利用するために,拡張畳込みを採用して,豊富な文脈情報を有するマルチスケール特徴を抽出した。さらに,提案モデルを検証するために,グランドトルースを有する多様なシーンから40グループの実世界画像を含む新しいデータセットを構築した。提案したデータセットにおけるサンプルは,不整合を誘発するより挑戦的な移動物体を含む。広範な実験結果は,提案モデルが,定量的測度と視覚知覚品質の両方に関して,異なるデータセットに関する以前の方法より優れていることを実証した。Copyright 2021 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： 測度 ,  畳込み ,  *ネットワーク ,  *画像処理 ,  多重化 ,  *ダイナミックレンジ ,  コンピュータビジョン ,  ゴースト ,  アーチファクト ,  コンテンツ
準シソーラス用語： 文脈情報 ,  マルチスケール ,  高ダイナミックレンジ画像 ,  グランドトゥルース ,  *高ダイナミックレンジ , 【Automatic Indexing@JST】

著者キーワード (5件)： 高ダイナミックレンジイメージング ,  深層学習 ,  曝露融合 ,  ゴーストをゴーストする ,  画像勾配

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： 勾配 ,  意識 ,  文脈 ,  集約 ,  高ダイナミックレンジ ,  イメージング