学習可能な辞書によるモデルベース画像信号プロセッサ【JST・京大機械翻訳】

Conde Marcos V.; McDonagh Steven; Maggioni Matteo; Leonardis Ales; Perez-Pellitero Eduardo

プレプリント

J-GLOBAL ID：202202220419249500 整理番号：22P0025447

学習可能な辞書によるモデルベース画像信号プロセッサ【JST・京大機械翻訳】

Model-Based Image Signal Processors via Learnable Dictionaries

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01月10日プレプリントサーバーでの情報更新日： 2022年01月10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。

ディジタルカメラは,それらの画像信号プロセッサ(ISP)によってRGB画像にセンサRAWを読み込む。画像雑音除去や色恒常性のようなコンピュータ写真タスクは,部分的には固有のハードウェア設計のため,また,直接センサ読出から生じる雑音統計の魅力的な単純さのために,RAWドメインにおいて一般的に実行される。これにもかかわらず,利用可能なRGBデータの量と多様性と比較して,RAW画像のアベイラビリティは限られている。最近のアプローチでは,RGBをRAWマッピングに推定することにより,このギャップを埋めることが試みられており,解釈可能かつ制御可能な手作業モデルベースの方法は,通常,手動パラメータ微調整を必要とし,一方,エンドツーエンド学習可能ニューラルネットワークは,複雑な訓練手順で,大量の訓練データを必要とし,一般的に,解釈可能性およびパラメトリック制御を欠いている。これらの既存の限界に取り組むために,正準ISP演算上に構築され,学習可能かつ解釈可能な新しいハイブリッドモデルベースおよびデータ駆動ISPを提示した。RAWとRGBドメイン間の双方向マッピングが可能な,提案した可逆モデルは,豊富なパラメータ表現のエンドツーエンド学習,すなわち,直接パラメトリック監視から自由であり,さらに簡単で妥当なデータ増強を可能にする辞書を,採用する。RAW画像再構成とRAW画像雑音除去タスクの両者の下での広範な実験により,データ生成プロセスの価値を証明し,両者において最先端の性能を得た。さらに,筆者らのISPは少数のデータサンプルから意味のあるマッピングを学習でき,辞書ベースのデータ増強で訓練された雑音除去モデルは,ほんの僅かまたはゼロの地上-トルースラベルを持つにもかかわらず,競合することを示した。【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