要約
トーンマッピングは、ハイダイナミックレンジ（HDR）画像をローダイナミックレンジ（LDR）表現に変換することを目的としており、カメラの画像処理パイプラインにおいて重要なタスクである。近年、3次元ルックアップテーブル（3D LUT）ベースの手法が、強調性能と計算効率の間で良好なバランスを取ることができるため、注目を集めています。しかし、ルックアップテーブルはトーンマッピングのためのグローバルな演算子であり、画素値に基づいて動作するため、重要な局所情報を取り込むことができないため、これらの手法は局所領域で満足のいく結果を得られないことが多い。このため、本論文では、閉形式のラプラシアンピラミッド分解と再構成を利用することで、グローバルオペレータとローカルオペレータを統合する新しい戦略を模索し、この問題に対処することを目的とする。具体的には、画像適応型3次元LUTを採用し、周波数情報の特性を利用して低周波画像の階調を操作する。さらに、適応的な方法で高周波数成分のエッジの詳細を洗練するために、局所ラプラシアンフィルターを利用する。ローカルラプラシアンフィルタは、写真のエッジのディテールを保持するために広く用いられているが、従来の使用法では、手動によるチューニングや、カメラの画像処理パイプラインや写真編集ツール内での固定的な実装が必要であった。我々は、軽量ネットワークを用いて、注釈付きデータから局所ラプラシアンフィルタのパラメータ値マップを漸進的に学習することを提案する。我々のモデルは、エンドツーエンドで、大域的な階調操作と局所的なエッジの詳細保持を同時に実現する。2つのベンチマークデータセットを用いた広範な実験結果から、提案手法が最先端の手法に対して良好な性能を示すことが実証される。
要約(オリジナル)
Tone mapping aims to convert high dynamic range (HDR) images to low dynamic range (LDR) representations, a critical task in the camera imaging pipeline. In recent years, 3-Dimensional LookUp Table (3D LUT) based methods have gained attention due to their ability to strike a favorable balance between enhancement performance and computational efficiency. However, these methods often fail to deliver satisfactory results in local areas since the look-up table is a global operator for tone mapping, which works based on pixel values and fails to incorporate crucial local information. To this end, this paper aims to address this issue by exploring a novel strategy that integrates global and local operators by utilizing closed-form Laplacian pyramid decomposition and reconstruction. Specifically, we employ image-adaptive 3D LUTs to manipulate the tone in the low-frequency image by leveraging the specific characteristics of the frequency information. Furthermore, we utilize local Laplacian filters to refine the edge details in the high-frequency components in an adaptive manner. Local Laplacian filters are widely used to preserve edge details in photographs, but their conventional usage involves manual tuning and fixed implementation within camera imaging pipelines or photo editing tools. We propose to learn parameter value maps progressively for local Laplacian filters from annotated data using a lightweight network. Our model achieves simultaneous global tone manipulation and local edge detail preservation in an end-to-end manner. Extensive experimental results on two benchmark datasets demonstrate that the proposed method performs favorably against state-of-the-art methods.
arxiv情報
| 著者 | Feng Zhang,Ming Tian,Zhiqiang Li,Bin Xu,Qingbo Lu,Changxin Gao,Nong Sang |
| 発行日 | 2024-01-03 11:44:30+00:00 |
| arxivサイト | arxiv_id(pdf) |