CVPRDec, 2020

数字云台：可学习曝光时间的端到端深度图像稳定化

PDF
TL;DR本研究提出在快速非稳定相机的输入下数字模拟机械稳定系统的方法，通过使用 CNN 的训练来估计由未知运动相关的一组嘈杂的短曝光帧的尖锐的高信噪比图像，同时建议在端到端的方式下学习连拍曝光时间，从而平衡帧间的噪声和模糊。
mechanical image stabilizationactuated gimbalscnnnoisy short-exposure framesend-to-end learning
发现论文，激发创造
  • 双摄像头联合去模糊去噪

    近期的图像增强方法展示了使用一对长曝光和短曝光图像进行低光摄影的优势。我们提出了一种新颖的双摄像头方法，通过同时使用一个摄像头捕捉一组同步的短曝光图像和另一个摄像头捕捉的长曝光图像，实现了更好的去噪、运动感知去模糊以及进一步提升质量的效果。

    Sep, 2023

  • 深度视频去模糊

    本文提出一种基于深度学习的视频去模糊算法，利用卷积神经网络从相邻帧中积累信息，可处理各类由于相机抖动导致的运动模糊问题。

    Nov, 2016

  • 视觉陀螺仪：深度学习特征与直接对齐相结合的全景稳定化

    通过使用全景图像提出一种基于视觉陀螺仪的新技术，结合三种不同方法准确估计相机的姿态，并在不同航空器上对其进行定量和定性验证。

    Feb, 2024

  • 计算长曝光移动摄影

    这篇论文介绍了一种在手持智能手机相机应用中自动实现长曝光摄影的计算捕捉系统，通过捕获多帧图像并使用图像处理技术，在保持主体清晰度的同时产生美观的运动轨迹，将运动模糊效果应用于静态图像中，实现高分辨率和高动态范围的合成照片。

    Aug, 2023

  • 非均匀曝光成像通过神经形态快门控制

    通过模糊噪声权衡，利用非均匀曝光技术在恶劣环境中实现了图像获取的灵活性，进而提出了一种新颖的神经形态快门控制系统 (NSC)，以避免运动模糊和减轻即时噪声，通过利用事件的低延迟性来实时监测运动并实现场景自适应曝光，同时提出了一种基于事件的图像去噪网络 (SEID) 来稳定由非均匀曝光时间引起的信噪比不一致，并通过自监督学习范式探索图像噪声统计和事件的帧间运动信息以获得高质量的实时成像效果。在建立的混合相机成像系统中实现了所提出的 NSC，并收集了包含不同目标场景和运动模式的多样化真实世界数据集，实验结果表明我们的方法优于现有技术。

    Apr, 2024

  • 用于改善视觉特征检测和匹配的学习相机增益和曝光控制

    本研究探索了一种数据驱动的方法，通过训练一个深度卷积神经网络模型以预测性地调整相机增益和曝光时间参数，从而实现在光照变化下得到最佳图像质量，以用于视觉测距和视觉同时定位和映射。研究通过实验验证了该方法的优越性。

    Feb, 2021

  • 深度爆发降噪

    本文研究了在低光照条件下使用 burst-capture 拍摄策略，使用基于循环卷积神经网络的智能集成方式进行多帧图像去噪处理。经实验证明，该方法在图像去噪方面具有最优表现，并且也可以用于图像增强和超分辨率处理。

    Dec, 2017

  • 未知曝光时间下的联合视频多帧插值和去模糊

    本研究旨在有效地处理在未知曝光时间下所拍摄的视频，采取有监督对比学习构建曝光感知表征，使用两个 U-Net 进行运动分析，通过渐进式曝光自适应卷积和运动细化建立视频重建网络。在模拟和实际数据集上的实验表明，该优化方法在联合视频 x8 内插和去模糊任务上具有显着的性能提升，并且在看似不可能的 x16 内插任务上，该方法在 PSNR 方面比现有方法提高了 1.5 dB 以上。

    Mar, 2023

  • 神经相机模拟器

    本论文提出了一个基于深度神经网络的可控相机模拟器，能够在不同的相机设置下合成原始图像数据，包括曝光时间、ISO、光圈等，并且能够用于大光圈增强、HDR、自动曝光和数据增强等多个应用领域。同时，也是第一个利用传统原始传感器特征和数据驱动深度学习优势模拟相机传感器行为的尝试。

    Apr, 2021

  • 学习盲目运动去模糊

    本文介绍了一种使用神经网络的实时视频去模糊技术，将多个连续模糊的图像传递信息给递归神经网络来还原所需的清晰图像或视频。

    Aug, 2017