レンズ状膜のディジタルカラー再構成のための深層学習アプローチ【JST・京大機械翻訳】

D'Aronco Stefano; Trumpy Giorgio; Pfluger David; Wegner Jan Dirk

プレプリント

J-GLOBAL ID：202202212311141653 整理番号：22P0287882

レンズ状膜のディジタルカラー再構成のための深層学習アプローチ【JST・京大機械翻訳】

A Deep Learning Approach for Digital Color Reconstruction of Lenticular Films

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 (4件)： , , ,
資料名：
発行年： 2022年02月10日プレプリントサーバーでの情報更新日： 2022年04月04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)

アーチファクトに対してロバストである歴史的レンズ膜に対する最初の正確なディジタル化およびカラー再構成プロセスを提案した。Lenticul膜は1920年代に出現し,運動において完全な色情報を捉えることができる最初の技術の1つであった。この技術は,画像の水平空間次元における色を符号化するために,膜表面にエンボスしたRGBフィルタと円筒レンズを利用した。画像を投影するために,適切なアナログ装置を用いて符号化プロセスを反転した。本研究では,レンズ膜の走査を処理し,画像をカラー化するために,自動化された完全ディジタルパイプラインを導入した。提案手法は,再構成された有色画像が符号化された色情報と完全に整合するという保証をしながら,性能を最大化するために,モデルベースのアプローチと深い学習を併合する。本モデルは,効果的なカラー再構成を達成するために異なる戦略を採用し,特に(i)ロバストなレンズ状セグメンテーションネットワークを作成するためのデータ増強を用いて,(ii)正確なベクトルレンズ局在化を得るためのレンズラスタ予測にフィットし,(iii)真のカラー化を得るために補間係数を予測するカラー化ネットワークを訓練する。レンズ膜データセット上で提案した方法を検証し,それを他の手法と比較した。参照として有色グラウンドトルスが利用できないので,ユーザ研究を行い,主観的方法でこの方法を検証した。研究結果は,提案方法が他の既存の方法と基準線方法に関して主に好ましいことを示した。【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