日本語
 
Help Privacy Policy ポリシー/免責事項
  詳細検索ブラウズ

アイテム詳細

  Exposure Diffusion: HDR Image Generation by Consistent LDR denoising

Bemana, M., Leimkühler, T., Myszkowski, K., Seidel, H.-P., & Ritschel, T. (2024). Exposure Diffusion: HDR Image Generation by Consistent LDR denoising. Retrieved from https://arxiv.org/abs/2405.14304.

Item is

基本情報

表示: 非表示:
アイテムのパーマリンク: https://hdl.handle.net/21.11116/0000-0010-1074-9 版のパーマリンク: https://hdl.handle.net/21.11116/0000-0010-1075-8
資料種別: 成果報告書

ファイル

表示: ファイル
非表示: ファイル
:
arXiv:2405.14304.pdf (プレプリント), 45MB
ファイルのパーマリンク:
https://hdl.handle.net/21.11116/0000-0010-1076-7
ファイル名:
arXiv:2405.14304.pdf
説明:
File downloaded from arXiv at 2024-11-12 14:35
OA-Status:
Not specified
閲覧制限:
公開
MIMEタイプ / チェックサム:
application/pdf / [MD5]
技術的なメタデータ:
著作権日付:
-
著作権情報:
-

関連URL

表示:

作成者

表示:
非表示:
 作成者:
Bemana, Mojtaba1, 著者           
Leimkühler, Thomas1, 著者           
Myszkowski, Karol1, 著者                 
Seidel, Hans-Peter1, 著者                 
Ritschel, Tobias2, 著者           
所属:
1Computer Graphics, MPI for Informatics, Max Planck Society, ou_40047              
2External Organizations, ou_persistent22              

内容説明

表示:
非表示:
キーワード: Computer Science, Graphics, cs.GR,Computer Science, Computer Vision and Pattern Recognition, cs.CV,eess.IV
 要旨: We demonstrate generating high-dynamic range (HDR) images using the concerted
action of multiple black-box, pre-trained low-dynamic range (LDR) image
diffusion models. Common diffusion models are not HDR as, first, there is no
sufficiently large HDR image dataset available to re-train them, and second,
even if it was, re-training such models is impossible for most compute budgets.
Instead, we seek inspiration from the HDR image capture literature that
traditionally fuses sets of LDR images, called "brackets", to produce a single
HDR image. We operate multiple denoising processes to generate multiple LDR
brackets that together form a valid HDR result. To this end, we introduce an
exposure consistency term into the diffusion process to couple the brackets
such that they agree across the exposure range they share. We demonstrate HDR
versions of state-of-the-art unconditional and conditional as well as
restoration-type (LDR2HDR) generative modeling.

資料詳細

表示:
非表示:
言語: eng - English
 日付: 2024-05-232024
 出版の状態: オンラインで出版済み
 ページ: 11 p.
 出版情報: -
 目次: -
 査読: -
 識別子(DOI, ISBNなど): arXiv: 2405.14304
URI: https://arxiv.org/abs/2405.14304
BibTex参照ID: Bemana_2405.14304
 学位: -

関連イベント

表示:

訴訟

表示:

Project information

表示:

出版物

表示: