光に適応する学習【JST・京大機械翻訳】

Yang Kai-Fu; Cheng Cheng; Zhao Shi-Xuan; Zhang Xian-Shi; Li Yong-Jie

プレプリント

J-GLOBAL ID：202202211954380799 整理番号：22P0290710

光に適応する学習【JST・京大機械翻訳】

Learning to Adapt to Light

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (5件)： , , , ,
資料名：
発行年： 2022年02月16日プレプリントサーバーでの情報更新日： 2022年02月16日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

光適応または輝度補正は,画像のコントラストと視覚アピールを改善するキーステップである。多重光関連タスク(例えば,低光増強と露光補正)があり,以前の研究は主にこれらのタスクを個々に研究した。しかし,これらの光関連タスクが統一モデルにより実行できれば,特に著者らの視覚システムがそのような方法で外部光に適応することを考慮すると興味深い。本研究では,統一ネットワーク(LA-Netと呼ばれる)による光関連画像強調タスクを扱うための生物学的にヒントを得た方法を提案した。最初に,周波数ベース分解モジュールを設計し,光関連タスクの共通および特性部分問題を2つの経路に分離した。次に,新しいモジュールを,低周波経路における統一光適応を達成するために,生物学的視覚適応によって触発した。さらに,雑音抑制あるいは詳細増強は,光レベルに関係なく高周波経路において効果的に達成される。3つのタスク,すなわち,低光強調,露光補正,およびトーンマッピングに関する大規模な実験は,提案方法が,これらの個々のタスクのために設計された最近の方法と比較して,最先端の性能をほとんど得ることを実証した。【JST・京大機械翻訳】

, , , , , , , , , , ,
, , , , 【Automatic Indexing@JST】

図形・画像処理一般

前のページに戻る