SlideShare a Scribd company logo
1 of 43
Download to read offline
IS2-04:
SSII2010

       カラーチャートを用いた複数の再撮モニタ
                とカメラの最適色補正
Optimal Color Correction for Multiple On-set Monitors
     or Cameras by Using Color Checker Chart


                松永 力 趙 延軍 和田 雅徳
      Chikara Matsunaga, Yanjun Zhao and Masanori Wada
            株式会社朋栄 佐倉研究開発センター
            FOR-A Co., Ltd. Sakura R&D Center

                E-mail: matsunaga@for-a.co.jp
再撮モニタの例
再撮モニタの例




          SSII2010 第16回画像センシングシンポジウム
再撮モニタの例
再撮モニタの例




          SSII2010 第16回画像センシングシンポジウム
再撮モニタの色補正
 再撮モニタの色補正
色補正装置
                  ① 色補正装置から色校正用カラーチャート
                    画像を発生




        マスタモニタ
        (カメラ映像)
                                    スタジオ内
                                    再撮モニタ
                           カメラ




                        SSII2010 第16回画像センシングシンポジウム
再撮モニタの色補正
       再撮モニタの色補正
     色補正装置
                       ① 色補正装置から色校正用カラーチャート
                         画像を発生




② カメラ映像を
 キャプチャする.



             マスタモニタ
             (カメラ映像)
                                         スタジオ内
                                         再撮モニタ
                                カメラ




                             SSII2010 第16回画像センシングシンポジウム
再撮モニタの色補正
       再撮モニタの色補正
     色補正装置
                       ① 色補正装置から色校正用カラーチャート
                         画像を発生



                 ③ 自動色校正処理
                  (オートカラーキャリブレーション)
                  カメラ映像のカラーチャートを
② カメラ映像を          認識して色補正パラメータを計算
 キャプチャする.



             マスタモニタ
             (カメラ映像)
                                         スタジオ内
                                         再撮モニタ
                                カメラ




                             SSII2010 第16回画像センシングシンポジウム
再撮モニタの色補正(続き)
      再撮モニタの色補正(続き)
      色補正装置
                          ④ 色校正処理の結果により
VTR   カラーイコライ              再撮モニタ映像を色補正する.
          ザ
        (仮称)




                マスタモニタ
                (カメラ映像)
                                            スタジオ内
                                            再撮モニタ
                                   カメラ




                                SSII2010 第16回画像センシングシンポジウム
複数カメラの色補正
        複数カメラの色補正




             色補正装置

 ビデオ
スイッチャ




                     SSII2010 第16回画像センシングシンポジウム
カラーチャートによる色補正
カラーチャートによる色補正




                SSII2010 第16回画像センシングシンポジウム
カラーチャートによる色補正
カラーチャートによる色補正




                SSII2010 第16回画像センシングシンポジウム
何が問題か?
     何が問題か?


・ カラーチャートから抽出した色レベルには
 観測誤差が含まれている.

・ 色空間にはレベル制限があり,レベルを越えると
 ガマット誤差になる.




                  SSII2010 第16回画像センシングシンポジウム
何が問題か?
     何が問題か?


・ カラーチャートから抽出した色レベルには
 観測誤差が含まれている.

・ 色空間にはレベル制限があり,レベルを越えると
 ガマット誤差になる.

⇒ 色補正パラメータの推定に影響を及ぼす.




                  SSII2010 第16回画像センシングシンポジウム
何が問題か?
     何が問題か?


・ カラーチャートから抽出した色レベルには
 観測誤差が含まれている.

・ 色空間にはレベル制限があり,レベルを越えると
 ガマット誤差になる.

⇒ 色補正パラメータの推定に影響を及ぼす.

⇒ 金谷の統計的最適化の理論を用いて,
  観測誤差,ガマット誤差を考慮した
  最適な色補正パラメータを推定する.



                  SSII2010 第16回画像センシングシンポジウム
色変換モデル(3次元アフィン変換)
    色変換モデル(3次元アフィン変換)

x=(r g b)T              x=(r g b)T
             T3x3   +



                    β3x1




                           SSII2010 第16回画像センシングシンポジウム
色変換モデル(3次元アフィン変換)
    色変換モデル(3次元アフィン変換)

x=(r g b)T              x=(r g b)T
             T3x3   +



                    β3x1




                           SSII2010 第16回画像センシングシンポジウム
色変換モデル(3次元アフィン変換)
    色変換モデル(3次元アフィン変換)

x=(r g b)T              x=(r g b)T
             T3x3   +



                    β3x1




  “逆変換”である色補正パラメータを推定する.
  ⇒ 入力と出力を入れ替える(入力誤差モデル).
                           SSII2010 第16回画像センシングシンポジウム
3次元アフィン変換
  3次元アフィン変換

色データを4次元同次ベクトルで表す.




  は4次元ベクトルの第4成分を1とする正規化作用素である.


                 SSII2010 第16回画像センシングシンポジウム
3次元アフィン変換(続き)
  3次元アフィン変換(続き)




13次元ベクトル




                  SSII2010 第16回画像センシングシンポジウム
3次元アフィン変換の最適計算
  3次元アフィン変換の最適計算

 組の色データ
期待値0,標準偏差   の正規分布に従う誤差が加わる.

次の目的関数を最小化するパラメータ    を最適推定する.




最適化には多拘束FNS法を用いる.


                    SSII2010 第16回画像センシングシンポジウム
数値シミュレーション
数値シミュレーション




基準画像               観測画像




             SSII2010 第16回画像センシングシンポジウム
数値シミュレーション結果
              数値シミュレーション結果

E   0.12
                KCRLB
                FNS
    0.1
                LS

    0.08



    0.06



    0.04



    0.02



      0
          0      2      4    6     8        10        12
                                                 σ
     計算した3次元アフィン変換のRMS誤差
                                 SSII2010 第16回画像センシングシンポジウム
色変換モデル(3次元アフィン変換+クリップ処理)
色変換モデル(3次元アフィン変換+クリップ処理)

x=(r g b)T              x=(r g b)T
             T3x3   +



                    β3x1

色空間における色変換処理であることから,
厳密にはレベルに関する制限であるクリップ処理が付く.




                           SSII2010 第16回画像センシングシンポジウム
色変換モデル(3次元アフィン変換+クリップ処理)
色変換モデル(3次元アフィン変換+クリップ処理)

x=(r g b)T                              x=(r g b)T
             T3x3   +          Clip



                    β3x1

色空間における色変換処理であることから,
厳密にはレベルに関する制限であるクリップ処理が付く

⇒ 色空間のレベルに関する制限であるクリップ処理によって生じる
  ガマット誤差は,色補正パラメータの推定に影響を及ぼす.


                           SSII2010 第16回画像センシングシンポジウム
レベル制約付き最適推定とモデル選択
 レベル制約付き最適推定とモデル選択
ガマット誤差が含まれている場合,
素朴な方法 ⇒ 色空間の上限下限近傍の色データを用いない
      ⇒ 色空間の上限下限の色レベルにおいて,
        正しい色補正の結果が得られない.

色空間の上限下限における色データの対応を拘束条件とした
レベル制約付き最適化によって色補正パラメータを推定する.
最適化の手法には,拡張FNS法を用いる.




                   SSII2010 第16回画像センシングシンポジウム
レベル制約付き最適推定とモデル選択
 レベル制約付き最適推定とモデル選択
ガマット誤差が含まれている場合,
素朴な方法 ⇒ 色空間の上限下限近傍の色データを用いない
      ⇒ 色空間の上限下限の色レベルにおいて,
        正しい色補正の結果が得られない.

色空間の上限下限における色データの対応を拘束条件とした
レベル制約付き最適化によって色補正パラメータを推定する.
最適化の手法には,拡張FNS法を用いる.

十分な色補正を行うためには,,
⇒ 線形の色変換であっても,逆変換としては高次の色補正モデルが
  必要
⇒ ガマット誤差が含まれているか未知,色補正モデルも未知
  一般に高次項を含む色補正モデルによる色補正は不安定

複数の色補正モデルを当てはめた結果から,モデル選択によって
現実的な色補正モデルを選択する.

                   SSII2010 第16回画像センシングシンポジウム
数値シミュレーション(2)
  数値シミュレーション(2)
多項式モデルによる色補正パラメータの
レベル制約付き最適推定とモデル選択
【2次多項式モデル】



【内部拘束】
ある特定の色レベル    が特定の色レベル    に補正される.



【目的関数】




                     SSII2010 第16回画像センシングシンポジウム
300
         Ideal
250



200



150



100



50



 0
     0   50      100   150   200     250



  (a) 理想画像と波形表示
                               SSII2010 第16回画像センシングシンポジウム
300
         Ideal
         Transformed
250
         Data

200



150



100



50



 0
     0   50       100   150   200     250



  (b) 色変換画像と波形表示
                                SSII2010 第16回画像センシングシンポジウム
300
         Ideal
         1st Correction
250
         Data

200



150



100



50



 0
     0   50        100    150   200     250



  (c) クリップされたデータを除外した場合の
  1次式による色補正モデル
                                  SSII2010 第16回画像センシングシンポジウム
300
         Ideal
         Corrected
250



200



150



100



50



 0
     0   50          100   150   200     250



  (d) 色補正モデル(c)による補正画像と波形表示
                                   SSII2010 第16回画像センシングシンポジウム
300
         Ideal
         1st Correction
250



200

         Data
150



100



50



 0
     0   50        100    150   200     250



  (e) レベル制約を課した多項式色補正モデル
                                  SSII2010 第16回画像センシングシンポジウム
300
         Ideal
         1st Correction
250
         2nd Correction

200

         Data
150



100



50



 0
     0   50        100    150   200     250



  (e) レベル制約を課した多項式色補正モデル
                                  SSII2010 第16回画像センシングシンポジウム
300
         Ideal
         1st Correction
250
         2nd Correction
         3rd Correction
200

         Data
150



100



50



 0
     0   50        100    150   200     250



  (e) レベル制約を課した多項式色補正モデル
                                  SSII2010 第16回画像センシングシンポジウム
300
         Ideal
         1st Correction
250
         2nd Correction
         3rd Correction
200
         4th Correction
         Data
150



100



50



 0
     0   50        100    150   200     250



  (e) レベル制約を課した多項式色補正モデル
                                  SSII2010 第16回画像センシングシンポジウム
色補正モデルのモデル選択
     色補正モデルのモデル選択

【幾何学的AIC】

【幾何学的MDL】

            未知パラメータの自由度
            基準長.データが    になるように選ぶ.

【二乗ノイズレベル】
一般モデル(最も自由度の高いモデル)から計算する.
1次元4次多項式モデルを一般モデルとすると,




⇒ 幾何学的AICあるいはMDLが最小になるモデルを選択する.

                    SSII2010 第16回画像センシングシンポジウム
300
         Ideal
         Corrected
250



200



150



100



50



 0
     0   50          100   150   200     250



  (f) 色補正モデル(e)の4次多項式による
  補正画像と波形表示
                                   SSII2010 第16回画像センシングシンポジウム
実画像実験
実画像実験




   モニタ撮影画像
             SSII2010 第16回画像センシングシンポジウム
実画像実験
実画像実験




   理想カラーチャート
               SSII2010 第16回画像センシングシンポジウム
実画像実験
実画像実験




 レベル制約なしの最適推定による色補正画像
                SSII2010 第16回画像センシングシンポジウム
実画像実験
実画像実験




   理想カラーチャート
               SSII2010 第16回画像センシングシンポジウム
実画像実験
実画像実験




 レベル制約付き最適推定による色補正画像
                SSII2010 第16回画像センシングシンポジウム
実画像実験
実画像実験




 レベル制約なしの最適推定による色補正画像
                SSII2010 第16回画像センシングシンポジウム
まとめと今後の課題
    まとめと今後の課題

再撮モニタの色補正を行うために,既知の色レベルからなる
カラーチャートをモニタに表示したものをカメラで撮影して,
撮影画像中のカラーチャートの色レベルを自動的に検出した.
観測誤差やガマット誤差を考慮した最適なパラメータ推定による
色補正を行った.

ビデオ信号において標準的に用いられる輝度色差色空間における
色補正モデルによる色補正も検討することである.
色補正モデルとして,3次元アフィン変換モデル,1次元多項式モデル
を用いたが,その他のモデルも検討したい.

立体視映像の撮影への適用も検討したい.




                   SSII2010 第16回画像センシングシンポジウム

More Related Content

What's hot

영상 기반 SLAM 알고리즘 시험
영상 기반 SLAM 알고리즘 시험영상 기반 SLAM 알고리즘 시험
영상 기반 SLAM 알고리즘 시험jdo
 
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Masaya Kaneko
 
画像認識における特徴表現 -SSII技術マップの再考-
画像認識における特徴表現 -SSII技術マップの再考-画像認識における特徴表現 -SSII技術マップの再考-
画像認識における特徴表現 -SSII技術マップの再考-Hironobu Fujiyoshi
 
【DL輪読会】Vision-Centric BEV Perception: A Survey
【DL輪読会】Vision-Centric BEV Perception: A Survey【DL輪読会】Vision-Centric BEV Perception: A Survey
【DL輪読会】Vision-Centric BEV Perception: A SurveyDeep Learning JP
 
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge LearningDeep Learning JP
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII
 
ピンホールカメラモデル
ピンホールカメラモデルピンホールカメラモデル
ピンホールカメラモデルShohei Mori
 
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural imagesDeep Learning JP
 
Hough forestを用いた物体検出
Hough forestを用いた物体検出Hough forestを用いた物体検出
Hough forestを用いた物体検出MPRG_Chubu_University
 
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチングスライド Deep Color Matching with Automatic...
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチングスライド Deep Color Matching with Automatic...畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチングスライド Deep Color Matching with Automatic...
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチングスライド Deep Color Matching with Automatic...doboncho
 
Deepfakesの生成および検出
Deepfakesの生成および検出Deepfakesの生成および検出
Deepfakesの生成および検出Plot Hong
 
PRMU 201312 subpixel object detection survey
PRMU 201312 subpixel object detection surveyPRMU 201312 subpixel object detection survey
PRMU 201312 subpixel object detection surveyYoshihisa Ijiri
 
SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)Yusuke Uchida
 
統計的学習の基礎6章前半 #カステラ本
統計的学習の基礎6章前半 #カステラ本統計的学習の基礎6章前半 #カステラ本
統計的学習の基礎6章前半 #カステラ本Akifumi Eguchi
 
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜SSII
 
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)Takuya Minagawa
 
How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?Kazuyuki Miyazawa
 

What's hot (20)

영상 기반 SLAM 알고리즘 시험
영상 기반 SLAM 알고리즘 시험영상 기반 SLAM 알고리즘 시험
영상 기반 SLAM 알고리즘 시험
 
Direct Sparse Odometryの解説
Direct Sparse Odometryの解説Direct Sparse Odometryの解説
Direct Sparse Odometryの解説
 
画像認識における特徴表現 -SSII技術マップの再考-
画像認識における特徴表現 -SSII技術マップの再考-画像認識における特徴表現 -SSII技術マップの再考-
画像認識における特徴表現 -SSII技術マップの再考-
 
【DL輪読会】Vision-Centric BEV Perception: A Survey
【DL輪読会】Vision-Centric BEV Perception: A Survey【DL輪読会】Vision-Centric BEV Perception: A Survey
【DL輪読会】Vision-Centric BEV Perception: A Survey
 
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
[DL輪読会]EdgeConnect: Generative Image Inpainting with Adversarial Edge Learning
 
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
SSII2019TS: 実践カメラキャリブレーション ~カメラを用いた実世界計測の基礎と応用~
 
ピンホールカメラモデル
ピンホールカメラモデルピンホールカメラモデル
ピンホールカメラモデル
 
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
[DL輪読会]HoloGAN: Unsupervised learning of 3D representations from natural images
 
Hough forestを用いた物体検出
Hough forestを用いた物体検出Hough forestを用いた物体検出
Hough forestを用いた物体検出
 
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチングスライド Deep Color Matching with Automatic...
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチングスライド Deep Color Matching with Automatic...畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチングスライド Deep Color Matching with Automatic...
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチングスライド Deep Color Matching with Automatic...
 
Deepfakesの生成および検出
Deepfakesの生成および検出Deepfakesの生成および検出
Deepfakesの生成および検出
 
Mds20190303
Mds20190303Mds20190303
Mds20190303
 
PRMU 201312 subpixel object detection survey
PRMU 201312 subpixel object detection surveyPRMU 201312 subpixel object detection survey
PRMU 201312 subpixel object detection survey
 
SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)SuperGlue;Learning Feature Matching with Graph Neural Networks (CVPR'20)
SuperGlue; Learning Feature Matching with Graph Neural Networks (CVPR'20)
 
統計的学習の基礎6章前半 #カステラ本
統計的学習の基礎6章前半 #カステラ本統計的学習の基礎6章前半 #カステラ本
統計的学習の基礎6章前半 #カステラ本
 
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
SSII2022 [TS2] 自律移動ロボットのためのロボットビジョン〜 オープンソースの自動運転ソフトAutowareを解説 〜
 
Lucas kanade法について
Lucas kanade法についてLucas kanade法について
Lucas kanade法について
 
object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)object detection with lidar-camera fusion: survey (updated)
object detection with lidar-camera fusion: survey (updated)
 
How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?How Much Position Information Do Convolutional Neural Networks Encode?
How Much Position Information Do Convolutional Neural Networks Encode?
 
Anti aliasing
Anti aliasingAnti aliasing
Anti aliasing
 

More from doboncho

full_lengthEREN.pdf
full_lengthEREN.pdffull_lengthEREN.pdf
full_lengthEREN.pdfdoboncho
 
ERENslide.pdf
ERENslide.pdfERENslide.pdf
ERENslide.pdfdoboncho
 
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? 論文 Poisson Denoising by Deep Learnin...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か?  論文 Poisson Denoising by Deep Learnin...深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か?  論文 Poisson Denoising by Deep Learnin...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? 論文 Poisson Denoising by Deep Learnin...doboncho
 
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? スライド Poisson Denoising by Deep Learni...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? スライド Poisson Denoising by Deep Learni...深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? スライド Poisson Denoising by Deep Learni...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? スライド Poisson Denoising by Deep Learni...doboncho
 
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」論文 Video denoising using dual-domain processi...
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」論文 Video denoising using dual-domain processi...「時空間領域と周波数変換領域の双領域処理による映像デノイジング」論文 Video denoising using dual-domain processi...
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」論文 Video denoising using dual-domain processi...doboncho
 
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」スライド Video denoising using dual-domain proces...
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」スライド Video denoising using dual-domain proces...「時空間領域と周波数変換領域の双領域処理による映像デノイジング」スライド Video denoising using dual-domain proces...
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」スライド Video denoising using dual-domain proces...doboncho
 
ミニマル畳み込みニューラルネットワークによる視程障害の明瞭化スライド Restoration of Low Visibility Image under ...
ミニマル畳み込みニューラルネットワークによる視程障害の明瞭化スライド Restoration of Low Visibility Image under ...ミニマル畳み込みニューラルネットワークによる視程障害の明瞭化スライド Restoration of Low Visibility Image under ...
ミニマル畳み込みニューラルネットワークによる視程障害の明瞭化スライド Restoration of Low Visibility Image under ...doboncho
 
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチング論文 Deep Color Matching with Automatic F...
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチング論文 Deep Color Matching with Automatic F...畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチング論文 Deep Color Matching with Automatic F...
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチング論文 Deep Color Matching with Automatic F...doboncho
 
「3次元RGBヒストグラム点群マッチングによる自動色補正」スライド Automatic Color Correction by 3D RGB Histog...
「3次元RGBヒストグラム点群マッチングによる自動色補正」スライド Automatic Color Correction by 3D RGB Histog...「3次元RGBヒストグラム点群マッチングによる自動色補正」スライド Automatic Color Correction by 3D RGB Histog...
「3次元RGBヒストグラム点群マッチングによる自動色補正」スライド Automatic Color Correction by 3D RGB Histog...doboncho
 
「3次元RGBヒストグラム点群マッチングによる自動色補正」論文 Automatic Color Correction by 3D RGB Histogra...
「3次元RGBヒストグラム点群マッチングによる自動色補正」論文 Automatic Color Correction by 3D RGB Histogra...「3次元RGBヒストグラム点群マッチングによる自動色補正」論文 Automatic Color Correction by 3D RGB Histogra...
「3次元RGBヒストグラム点群マッチングによる自動色補正」論文 Automatic Color Correction by 3D RGB Histogra...doboncho
 
周波数領域処理によるローリングシャッター映像の安定化とモーションブラー除去 Rolling Shutter Video Stabilization wit...
周波数領域処理によるローリングシャッター映像の安定化とモーションブラー除去 Rolling Shutter Video Stabilization wit...周波数領域処理によるローリングシャッター映像の安定化とモーションブラー除去 Rolling Shutter Video Stabilization wit...
周波数領域処理によるローリングシャッター映像の安定化とモーションブラー除去 Rolling Shutter Video Stabilization wit...doboncho
 
周波数領域処理による映像の安定化とモーションブラー除去スライド Video Stabilization with Motion Deblurring by...
周波数領域処理による映像の安定化とモーションブラー除去スライド Video Stabilization with Motion Deblurring by...周波数領域処理による映像の安定化とモーションブラー除去スライド Video Stabilization with Motion Deblurring by...
周波数領域処理による映像の安定化とモーションブラー除去スライド Video Stabilization with Motion Deblurring by...doboncho
 
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正論文 Auto Color Correction without Corre...
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正論文 Auto Color Correction without Corre...Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正論文 Auto Color Correction without Corre...
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正論文 Auto Color Correction without Corre...doboncho
 
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正スライド Auto Color Correction without Cor...
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正スライド Auto Color Correction without Cor...Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正スライド Auto Color Correction without Cor...
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正スライド Auto Color Correction without Cor...doboncho
 
「HDR広色域映像のための色再現性を考慮した色域トーンマッピング」スライド Color Gamut Tone Mapping Considering Ac...
「HDR広色域映像のための色再現性を考慮した色域トーンマッピング」スライド Color Gamut Tone Mapping Considering Ac...「HDR広色域映像のための色再現性を考慮した色域トーンマッピング」スライド Color Gamut Tone Mapping Considering Ac...
「HDR広色域映像のための色再現性を考慮した色域トーンマッピング」スライド Color Gamut Tone Mapping Considering Ac...doboncho
 
エッジ強度最大化による最適トーンマッピングSSII2018論文
エッジ強度最大化による最適トーンマッピングSSII2018論文エッジ強度最大化による最適トーンマッピングSSII2018論文
エッジ強度最大化による最適トーンマッピングSSII2018論文doboncho
 
エッジ強度最大化による最適トーンマッピングSSII2018スライド
エッジ強度最大化による最適トーンマッピングSSII2018スライドエッジ強度最大化による最適トーンマッピングSSII2018スライド
エッジ強度最大化による最適トーンマッピングSSII2018スライドdoboncho
 
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して スライド
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して スライド最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して スライド
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して スライドdoboncho
 
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して 論文
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して 論文最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して 論文
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して 論文doboncho
 
HDR映像のためのカラーデバンディング処理スライド
HDR映像のためのカラーデバンディング処理スライドHDR映像のためのカラーデバンディング処理スライド
HDR映像のためのカラーデバンディング処理スライドdoboncho
 

More from doboncho (20)

full_lengthEREN.pdf
full_lengthEREN.pdffull_lengthEREN.pdf
full_lengthEREN.pdf
 
ERENslide.pdf
ERENslide.pdfERENslide.pdf
ERENslide.pdf
 
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? 論文 Poisson Denoising by Deep Learnin...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か?  論文 Poisson Denoising by Deep Learnin...深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か?  論文 Poisson Denoising by Deep Learnin...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? 論文 Poisson Denoising by Deep Learnin...
 
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? スライド Poisson Denoising by Deep Learni...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? スライド Poisson Denoising by Deep Learni...深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? スライド Poisson Denoising by Deep Learni...
深層学習によるポアソンデノイジング: 残差学習はポアソンノイズに対して有効か? スライド Poisson Denoising by Deep Learni...
 
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」論文 Video denoising using dual-domain processi...
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」論文 Video denoising using dual-domain processi...「時空間領域と周波数変換領域の双領域処理による映像デノイジング」論文 Video denoising using dual-domain processi...
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」論文 Video denoising using dual-domain processi...
 
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」スライド Video denoising using dual-domain proces...
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」スライド Video denoising using dual-domain proces...「時空間領域と周波数変換領域の双領域処理による映像デノイジング」スライド Video denoising using dual-domain proces...
「時空間領域と周波数変換領域の双領域処理による映像デノイジング」スライド Video denoising using dual-domain proces...
 
ミニマル畳み込みニューラルネットワークによる視程障害の明瞭化スライド Restoration of Low Visibility Image under ...
ミニマル畳み込みニューラルネットワークによる視程障害の明瞭化スライド Restoration of Low Visibility Image under ...ミニマル畳み込みニューラルネットワークによる視程障害の明瞭化スライド Restoration of Low Visibility Image under ...
ミニマル畳み込みニューラルネットワークによる視程障害の明瞭化スライド Restoration of Low Visibility Image under ...
 
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチング論文 Deep Color Matching with Automatic F...
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチング論文 Deep Color Matching with Automatic F...畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチング論文 Deep Color Matching with Automatic F...
畳み込みニューラルネットワークを用いた自動特徴抽出による深層カラーマッチング論文 Deep Color Matching with Automatic F...
 
「3次元RGBヒストグラム点群マッチングによる自動色補正」スライド Automatic Color Correction by 3D RGB Histog...
「3次元RGBヒストグラム点群マッチングによる自動色補正」スライド Automatic Color Correction by 3D RGB Histog...「3次元RGBヒストグラム点群マッチングによる自動色補正」スライド Automatic Color Correction by 3D RGB Histog...
「3次元RGBヒストグラム点群マッチングによる自動色補正」スライド Automatic Color Correction by 3D RGB Histog...
 
「3次元RGBヒストグラム点群マッチングによる自動色補正」論文 Automatic Color Correction by 3D RGB Histogra...
「3次元RGBヒストグラム点群マッチングによる自動色補正」論文 Automatic Color Correction by 3D RGB Histogra...「3次元RGBヒストグラム点群マッチングによる自動色補正」論文 Automatic Color Correction by 3D RGB Histogra...
「3次元RGBヒストグラム点群マッチングによる自動色補正」論文 Automatic Color Correction by 3D RGB Histogra...
 
周波数領域処理によるローリングシャッター映像の安定化とモーションブラー除去 Rolling Shutter Video Stabilization wit...
周波数領域処理によるローリングシャッター映像の安定化とモーションブラー除去 Rolling Shutter Video Stabilization wit...周波数領域処理によるローリングシャッター映像の安定化とモーションブラー除去 Rolling Shutter Video Stabilization wit...
周波数領域処理によるローリングシャッター映像の安定化とモーションブラー除去 Rolling Shutter Video Stabilization wit...
 
周波数領域処理による映像の安定化とモーションブラー除去スライド Video Stabilization with Motion Deblurring by...
周波数領域処理による映像の安定化とモーションブラー除去スライド Video Stabilization with Motion Deblurring by...周波数領域処理による映像の安定化とモーションブラー除去スライド Video Stabilization with Motion Deblurring by...
周波数領域処理による映像の安定化とモーションブラー除去スライド Video Stabilization with Motion Deblurring by...
 
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正論文 Auto Color Correction without Corre...
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正論文 Auto Color Correction without Corre...Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正論文 Auto Color Correction without Corre...
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正論文 Auto Color Correction without Corre...
 
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正スライド Auto Color Correction without Cor...
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正スライド Auto Color Correction without Cor...Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正スライド Auto Color Correction without Cor...
Lucas-Kanadeヒストグラムマッチングによる対応点を用いない自動色補正スライド Auto Color Correction without Cor...
 
「HDR広色域映像のための色再現性を考慮した色域トーンマッピング」スライド Color Gamut Tone Mapping Considering Ac...
「HDR広色域映像のための色再現性を考慮した色域トーンマッピング」スライド Color Gamut Tone Mapping Considering Ac...「HDR広色域映像のための色再現性を考慮した色域トーンマッピング」スライド Color Gamut Tone Mapping Considering Ac...
「HDR広色域映像のための色再現性を考慮した色域トーンマッピング」スライド Color Gamut Tone Mapping Considering Ac...
 
エッジ強度最大化による最適トーンマッピングSSII2018論文
エッジ強度最大化による最適トーンマッピングSSII2018論文エッジ強度最大化による最適トーンマッピングSSII2018論文
エッジ強度最大化による最適トーンマッピングSSII2018論文
 
エッジ強度最大化による最適トーンマッピングSSII2018スライド
エッジ強度最大化による最適トーンマッピングSSII2018スライドエッジ強度最大化による最適トーンマッピングSSII2018スライド
エッジ強度最大化による最適トーンマッピングSSII2018スライド
 
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して スライド
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して スライド最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して スライド
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して スライド
 
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して 論文
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して 論文最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して 論文
最適レベル補正と幾何学的モデル選択による高精度色補正 : 画像処理パイプラインの構築を目指して 論文
 
HDR映像のためのカラーデバンディング処理スライド
HDR映像のためのカラーデバンディング処理スライドHDR映像のためのカラーデバンディング処理スライド
HDR映像のためのカラーデバンディング処理スライド
 

Recently uploaded

AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfFumieNakayama
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNetToru Tamaki
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案sugiuralab
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものですiPride Co., Ltd.
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...博三 太田
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineerYuki Kikuchi
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?akihisamiyanaga1
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Yuma Ohgami
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)UEHARA, Tetsutaro
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdftaisei2219
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A surveyToru Tamaki
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfFumieNakayama
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...Toru Tamaki
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)Hiroki Ichikura
 

Recently uploaded (14)

AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdfAWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
AWS の OpenShift サービス (ROSA) を使った OpenShift Virtualizationの始め方.pdf
 
論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet論文紹介:Automated Classification of Model Errors on ImageNet
論文紹介:Automated Classification of Model Errors on ImageNet
 
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
TataPixel: 畳の異方性を利用した切り替え可能なディスプレイの提案
 
SOPを理解する 2024/04/19 の勉強会で発表されたものです
SOPを理解する       2024/04/19 の勉強会で発表されたものですSOPを理解する       2024/04/19 の勉強会で発表されたものです
SOPを理解する 2024/04/19 の勉強会で発表されたものです
 
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察  ~Text-to-MusicとText-To-ImageかつImage-to-Music...
モーダル間の変換後の一致性とジャンル表を用いた解釈可能性の考察 ~Text-to-MusicとText-To-ImageかつImage-to-Music...
 
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
自分史上一番早い2024振り返り〜コロナ後、仕事は通常ペースに戻ったか〜 by IoT fullstack engineer
 
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
CTO, VPoE, テックリードなどリーダーポジションに登用したくなるのはどんな人材か?
 
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
Open Source UN-Conference 2024 Kawagoe - 独自OS「DaisyOS GB」の紹介
 
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
デジタル・フォレンジックの最新動向(2024年4月27日情洛会総会特別講演スライド)
 
TSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdfTSAL operation mechanism and circuit diagram.pdf
TSAL operation mechanism and circuit diagram.pdf
 
論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey論文紹介:Semantic segmentation using Vision Transformers: A survey
論文紹介:Semantic segmentation using Vision Transformers: A survey
 
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdfクラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
クラウドネイティブなサーバー仮想化基盤 - OpenShift Virtualization.pdf
 
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
論文紹介:Content-Aware Token Sharing for Efficient Semantic Segmentation With Vis...
 
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
【早稲田AI研究会 講義資料】3DスキャンとTextTo3Dのツールを知ろう!(Vol.1)
 

カラーチャートを用いた複数の再撮モニタ とカメラの最適色補正スライド

  • 1. IS2-04: SSII2010 カラーチャートを用いた複数の再撮モニタ とカメラの最適色補正 Optimal Color Correction for Multiple On-set Monitors or Cameras by Using Color Checker Chart 松永 力 趙 延軍 和田 雅徳 Chikara Matsunaga, Yanjun Zhao and Masanori Wada 株式会社朋栄 佐倉研究開発センター FOR-A Co., Ltd. Sakura R&D Center E-mail: matsunaga@for-a.co.jp
  • 2. 再撮モニタの例 再撮モニタの例 SSII2010 第16回画像センシングシンポジウム
  • 3. 再撮モニタの例 再撮モニタの例 SSII2010 第16回画像センシングシンポジウム
  • 4. 再撮モニタの色補正 再撮モニタの色補正 色補正装置 ① 色補正装置から色校正用カラーチャート 画像を発生 マスタモニタ (カメラ映像) スタジオ内 再撮モニタ カメラ SSII2010 第16回画像センシングシンポジウム
  • 5. 再撮モニタの色補正 再撮モニタの色補正 色補正装置 ① 色補正装置から色校正用カラーチャート 画像を発生 ② カメラ映像を キャプチャする. マスタモニタ (カメラ映像) スタジオ内 再撮モニタ カメラ SSII2010 第16回画像センシングシンポジウム
  • 6. 再撮モニタの色補正 再撮モニタの色補正 色補正装置 ① 色補正装置から色校正用カラーチャート 画像を発生 ③ 自動色校正処理 (オートカラーキャリブレーション) カメラ映像のカラーチャートを ② カメラ映像を 認識して色補正パラメータを計算 キャプチャする. マスタモニタ (カメラ映像) スタジオ内 再撮モニタ カメラ SSII2010 第16回画像センシングシンポジウム
  • 7. 再撮モニタの色補正(続き) 再撮モニタの色補正(続き) 色補正装置 ④ 色校正処理の結果により VTR カラーイコライ 再撮モニタ映像を色補正する. ザ (仮称) マスタモニタ (カメラ映像) スタジオ内 再撮モニタ カメラ SSII2010 第16回画像センシングシンポジウム
  • 8. 複数カメラの色補正 複数カメラの色補正 色補正装置 ビデオ スイッチャ SSII2010 第16回画像センシングシンポジウム
  • 9. カラーチャートによる色補正 カラーチャートによる色補正 SSII2010 第16回画像センシングシンポジウム
  • 10. カラーチャートによる色補正 カラーチャートによる色補正 SSII2010 第16回画像センシングシンポジウム
  • 11. 何が問題か? 何が問題か? ・ カラーチャートから抽出した色レベルには 観測誤差が含まれている. ・ 色空間にはレベル制限があり,レベルを越えると ガマット誤差になる. SSII2010 第16回画像センシングシンポジウム
  • 12. 何が問題か? 何が問題か? ・ カラーチャートから抽出した色レベルには 観測誤差が含まれている. ・ 色空間にはレベル制限があり,レベルを越えると ガマット誤差になる. ⇒ 色補正パラメータの推定に影響を及ぼす. SSII2010 第16回画像センシングシンポジウム
  • 13. 何が問題か? 何が問題か? ・ カラーチャートから抽出した色レベルには 観測誤差が含まれている. ・ 色空間にはレベル制限があり,レベルを越えると ガマット誤差になる. ⇒ 色補正パラメータの推定に影響を及ぼす. ⇒ 金谷の統計的最適化の理論を用いて, 観測誤差,ガマット誤差を考慮した 最適な色補正パラメータを推定する. SSII2010 第16回画像センシングシンポジウム
  • 14. 色変換モデル(3次元アフィン変換) 色変換モデル(3次元アフィン変換) x=(r g b)T x=(r g b)T T3x3 + β3x1 SSII2010 第16回画像センシングシンポジウム
  • 15. 色変換モデル(3次元アフィン変換) 色変換モデル(3次元アフィン変換) x=(r g b)T x=(r g b)T T3x3 + β3x1 SSII2010 第16回画像センシングシンポジウム
  • 16. 色変換モデル(3次元アフィン変換) 色変換モデル(3次元アフィン変換) x=(r g b)T x=(r g b)T T3x3 + β3x1 “逆変換”である色補正パラメータを推定する. ⇒ 入力と出力を入れ替える(入力誤差モデル). SSII2010 第16回画像センシングシンポジウム
  • 17. 3次元アフィン変換 3次元アフィン変換 色データを4次元同次ベクトルで表す. は4次元ベクトルの第4成分を1とする正規化作用素である. SSII2010 第16回画像センシングシンポジウム
  • 19. 3次元アフィン変換の最適計算 3次元アフィン変換の最適計算 組の色データ 期待値0,標準偏差 の正規分布に従う誤差が加わる. 次の目的関数を最小化するパラメータ を最適推定する. 最適化には多拘束FNS法を用いる. SSII2010 第16回画像センシングシンポジウム
  • 20. 数値シミュレーション 数値シミュレーション 基準画像 観測画像 SSII2010 第16回画像センシングシンポジウム
  • 21. 数値シミュレーション結果 数値シミュレーション結果 E 0.12 KCRLB FNS 0.1 LS 0.08 0.06 0.04 0.02 0 0 2 4 6 8 10 12 σ 計算した3次元アフィン変換のRMS誤差 SSII2010 第16回画像センシングシンポジウム
  • 22. 色変換モデル(3次元アフィン変換+クリップ処理) 色変換モデル(3次元アフィン変換+クリップ処理) x=(r g b)T x=(r g b)T T3x3 + β3x1 色空間における色変換処理であることから, 厳密にはレベルに関する制限であるクリップ処理が付く. SSII2010 第16回画像センシングシンポジウム
  • 23. 色変換モデル(3次元アフィン変換+クリップ処理) 色変換モデル(3次元アフィン変換+クリップ処理) x=(r g b)T x=(r g b)T T3x3 + Clip β3x1 色空間における色変換処理であることから, 厳密にはレベルに関する制限であるクリップ処理が付く ⇒ 色空間のレベルに関する制限であるクリップ処理によって生じる ガマット誤差は,色補正パラメータの推定に影響を及ぼす. SSII2010 第16回画像センシングシンポジウム
  • 24. レベル制約付き最適推定とモデル選択 レベル制約付き最適推定とモデル選択 ガマット誤差が含まれている場合, 素朴な方法 ⇒ 色空間の上限下限近傍の色データを用いない ⇒ 色空間の上限下限の色レベルにおいて, 正しい色補正の結果が得られない. 色空間の上限下限における色データの対応を拘束条件とした レベル制約付き最適化によって色補正パラメータを推定する. 最適化の手法には,拡張FNS法を用いる. SSII2010 第16回画像センシングシンポジウム
  • 25. レベル制約付き最適推定とモデル選択 レベル制約付き最適推定とモデル選択 ガマット誤差が含まれている場合, 素朴な方法 ⇒ 色空間の上限下限近傍の色データを用いない ⇒ 色空間の上限下限の色レベルにおいて, 正しい色補正の結果が得られない. 色空間の上限下限における色データの対応を拘束条件とした レベル制約付き最適化によって色補正パラメータを推定する. 最適化の手法には,拡張FNS法を用いる. 十分な色補正を行うためには,, ⇒ 線形の色変換であっても,逆変換としては高次の色補正モデルが 必要 ⇒ ガマット誤差が含まれているか未知,色補正モデルも未知 一般に高次項を含む色補正モデルによる色補正は不安定 複数の色補正モデルを当てはめた結果から,モデル選択によって 現実的な色補正モデルを選択する. SSII2010 第16回画像センシングシンポジウム
  • 27. 300 Ideal 250 200 150 100 50 0 0 50 100 150 200 250 (a) 理想画像と波形表示 SSII2010 第16回画像センシングシンポジウム
  • 28. 300 Ideal Transformed 250 Data 200 150 100 50 0 0 50 100 150 200 250 (b) 色変換画像と波形表示 SSII2010 第16回画像センシングシンポジウム
  • 29. 300 Ideal 1st Correction 250 Data 200 150 100 50 0 0 50 100 150 200 250 (c) クリップされたデータを除外した場合の 1次式による色補正モデル SSII2010 第16回画像センシングシンポジウム
  • 30. 300 Ideal Corrected 250 200 150 100 50 0 0 50 100 150 200 250 (d) 色補正モデル(c)による補正画像と波形表示 SSII2010 第16回画像センシングシンポジウム
  • 31. 300 Ideal 1st Correction 250 200 Data 150 100 50 0 0 50 100 150 200 250 (e) レベル制約を課した多項式色補正モデル SSII2010 第16回画像センシングシンポジウム
  • 32. 300 Ideal 1st Correction 250 2nd Correction 200 Data 150 100 50 0 0 50 100 150 200 250 (e) レベル制約を課した多項式色補正モデル SSII2010 第16回画像センシングシンポジウム
  • 33. 300 Ideal 1st Correction 250 2nd Correction 3rd Correction 200 Data 150 100 50 0 0 50 100 150 200 250 (e) レベル制約を課した多項式色補正モデル SSII2010 第16回画像センシングシンポジウム
  • 34. 300 Ideal 1st Correction 250 2nd Correction 3rd Correction 200 4th Correction Data 150 100 50 0 0 50 100 150 200 250 (e) レベル制約を課した多項式色補正モデル SSII2010 第16回画像センシングシンポジウム
  • 35. 色補正モデルのモデル選択 色補正モデルのモデル選択 【幾何学的AIC】 【幾何学的MDL】 未知パラメータの自由度 基準長.データが になるように選ぶ. 【二乗ノイズレベル】 一般モデル(最も自由度の高いモデル)から計算する. 1次元4次多項式モデルを一般モデルとすると, ⇒ 幾何学的AICあるいはMDLが最小になるモデルを選択する. SSII2010 第16回画像センシングシンポジウム
  • 36. 300 Ideal Corrected 250 200 150 100 50 0 0 50 100 150 200 250 (f) 色補正モデル(e)の4次多項式による 補正画像と波形表示 SSII2010 第16回画像センシングシンポジウム
  • 37. 実画像実験 実画像実験 モニタ撮影画像 SSII2010 第16回画像センシングシンポジウム
  • 38. 実画像実験 実画像実験 理想カラーチャート SSII2010 第16回画像センシングシンポジウム
  • 40. 実画像実験 実画像実験 理想カラーチャート SSII2010 第16回画像センシングシンポジウム
  • 41. 実画像実験 実画像実験 レベル制約付き最適推定による色補正画像 SSII2010 第16回画像センシングシンポジウム
  • 43. まとめと今後の課題 まとめと今後の課題 再撮モニタの色補正を行うために,既知の色レベルからなる カラーチャートをモニタに表示したものをカメラで撮影して, 撮影画像中のカラーチャートの色レベルを自動的に検出した. 観測誤差やガマット誤差を考慮した最適なパラメータ推定による 色補正を行った. ビデオ信号において標準的に用いられる輝度色差色空間における 色補正モデルによる色補正も検討することである. 色補正モデルとして,3次元アフィン変換モデル,1次元多項式モデル を用いたが,その他のモデルも検討したい. 立体視映像の撮影への適用も検討したい. SSII2010 第16回画像センシングシンポジウム