| Item type |
SIG Technical Reports(1) |
| 公開日 |
2018-10-31 |
| タイトル |
|
|
タイトル |
GANを用いた単一画像からのハイダイナミックレンジ画像の生成 |
| 言語 |
|
|
言語 |
jpn |
| キーワード |
|
|
主題Scheme |
Other |
|
主題 |
テーマセッション |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18gh |
|
資源タイプ |
technical report |
| 著者所属 |
|
|
|
東京大学 |
| 著者所属 |
|
|
|
東京大学 |
| 著者所属 |
|
|
|
東京大学 |
| 著者所属 |
|
|
|
Data61-CSIRO／オーストラリア国立大学 |
| 著者所属 |
|
|
|
東京大学 |
| 著者所属(英) |
|
|
|
en |
|
|
The University of Tokyo |
| 著者所属(英) |
|
|
|
en |
|
|
The University of Tokyo |
| 著者所属(英) |
|
|
|
en |
|
|
The University of Tokyo |
| 著者所属(英) |
|
|
|
en |
|
|
Data61-CSIRO / Australian National University |
| 著者所属(英) |
|
|
|
en |
|
|
The University of Tokyo |
| 著者名 |
森脇, 健太
吉橋, 亮太
川上, 玲
尤, 少迪
苗村, 健
|
| 論文抄録 |
|
|
内容記述タイプ |
Other |
|
内容記述 |
ハイダイナミックレンジ （HDR） 画像は，センサの記録範囲を超えた光量のダイナミックレンジを表現できる画像のことである．人間の視覚特性に近い，もしくはそれ以上の感度範囲を表現でき，コンピュータグラフィクスにおける照明効果のシミュレーションなどに用いられる．HDR 画像の生成には，複数の露出で撮影した画像を合成する手法が一般的であるが，撮影に手間がかかり，また HDR 撮影がされなかった画像には適用できない．本稿では，深層畳み込みニューラルネットワーク （DCNN） を用いて一枚のローダイナミックレンジ （LDR） 画像から HDR 画像を生成する手法を提案する．既存の生成モデルの一つであるエンコーダ ・ デコーダモデルに加えて，新たに敵対的生成ネットワーク （GAN） を導入する．また，我々は損失関数に敵対的損失および MSE 損失を定義することに加え，知覚的類似性を表すコンテンツ損失を導入することでより自然な画像を生成する．実験では，画質評価尺度である PSNR，SSIM を用いて既存の HDR 生成手法と比較を行い，我々の手法の有効性を示す． |
| 書誌レコードID |
|
|
収録物識別子タイプ |
NCID |
|
収録物識別子 |
AA12628338 |
| 書誌情報 |
研究報告デジタルコンテンツクリエーション（DCC）
巻 2018-DCC-20,
号 20,
p. 1-8,
発行日 2018-10-31
|
| ISSN |
|
|
収録物識別子タイプ |
ISSN |
|
収録物識別子 |
2188-8868 |
| Notice |
|
|
|
SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc. |
| 出版者 |
|
|
言語 |
ja |
|
出版者 |
情報処理学会 |
IPSJ-DCC18020020.pdf (6.0 MB)
