JP7407604B2 - 推論装置、学習装置、推論方法、学習方法、及びプログラム - Google Patents
推論装置、学習装置、推論方法、学習方法、及びプログラム Download PDFInfo
- Publication number
- JP7407604B2 JP7407604B2 JP2020007836A JP2020007836A JP7407604B2 JP 7407604 B2 JP7407604 B2 JP 7407604B2 JP 2020007836 A JP2020007836 A JP 2020007836A JP 2020007836 A JP2020007836 A JP 2020007836A JP 7407604 B2 JP7407604 B2 JP 7407604B2
- Authority
- JP
- Japan
- Prior art keywords
- learning
- image
- inference
- development
- raw image
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims description 127
- 238000011161 development Methods 0.000 claims description 218
- 238000012545 processing Methods 0.000 claims description 175
- 230000008569 process Effects 0.000 claims description 85
- 238000013528 artificial neural network Methods 0.000 claims description 19
- 230000008859 change Effects 0.000 claims description 18
- 238000007906 compression Methods 0.000 claims description 11
- 230000006835 compression Effects 0.000 claims description 10
- 230000007423 decrease Effects 0.000 claims description 7
- 230000006870 function Effects 0.000 claims description 6
- 230000002427 irreversible effect Effects 0.000 claims description 4
- 238000013459 approach Methods 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 description 184
- 230000006872 improvement Effects 0.000 description 39
- 238000005457 optimization Methods 0.000 description 18
- 238000010586 diagram Methods 0.000 description 8
- 230000009467 reduction Effects 0.000 description 7
- 230000006866 deterioration Effects 0.000 description 4
- 238000013527 convolutional neural network Methods 0.000 description 3
- 238000013135 deep learning Methods 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000011478 gradient descent method Methods 0.000 description 2
- 238000003672 processing method Methods 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000010801 machine learning Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
Images
Landscapes
- Studio Devices (AREA)
- Image Analysis (AREA)
Description
<画像処理装置100の構成>
図1は、画像処理装置100の構成を示すブロック図である。図1において、復号部101は、非可逆の圧縮方式で圧縮されたRAWデータ(圧縮RAWデータ)を復号することにより、画質が低下したRAW画像である復号RAW画像を生成する。圧縮RAWデータは、静止画像であってもよいし、動画像であってもよい。
画像編集を行うユーザは、様々な現像方法を駆使して自分好みの現像画像を生成する。現像処理の内容に応じて復号RAW画像の画質改善方法(即ち、画質改善処理部102が使用する係数パラメータ)を変更することにより、現像画像の画質を向上させることができる。
次に、図3を参照して、学習により得た係数パラメータを用いて画質改善処理部102で推論を行う処理(推論処理)を含む、現像処理について説明する。図3は、推論処理を含む現像処理のフローチャートである。本フローチャートの各ステップの処理の統括制御は、特に断らない限り、画像処理装置100の制御部106により行われる。
以下、第2の実施形態を説明する。第2の実施形態において、画像処理装置100及び画像処理装置200の基本的な構成は第1の実施形態と同様である(図1及び図2参照)。以下、主に第1の実施形態と異なる点について説明する。
第1の実施形態では、明度を上げる現像処理や彩度を上げる現像処理のように、ユーザの指定した現像処理の方法(画像処理の種類)に基づき、その画像処理の正負の方向によって係数パラメータのカテゴライズを行った。しかしながら、現像処理の中には、その適用の前後の画素値の変化量である画素調整量が近しい現像処理の組み合わせが存在する。
以下、第3の実施形態を説明する。第3の実施形態において、画像処理装置100の基本的な構成は第1の実施形態と同様である(図1及び図2参照)。以下、主に第1の実施形態と異なる点について説明する。
本発明は、上述の実施形態の1以上の機能を実現するプログラムを、ネットワーク又は記憶媒体を介してシステム又は装置に供給し、そのシステム又は装置のコンピュータにおける1つ以上のプロセッサーがプログラムを読出し実行する処理でも実現可能である。また、1以上の機能を実現する回路(例えば、ASIC)によっても実現可能である。
Claims (19)
- 現像パラメータを決定する決定手段と、
画像に対して推論パラメータに基づく推論を行う学習モデルに適用する推論パラメータを選択する選択手段と、
前記学習モデルを用いて、画質を低下させる処理が適用された第1のRAW画像に対して前記選択された推論パラメータに基づく推論を行うことにより、画質が改善された第2のRAW画像を生成する生成手段と、
前記第2のRAW画像に対して前記決定された現像パラメータに基づく現像処理を行う現像手段と、
を備え、
前記選択手段は、前記学習モデルに適用する推論パラメータとして、事前に複数の現像処理それぞれについて前記学習モデルの学習を行うことにより得られた複数の学習済み推論パラメータの中から、前記決定された現像パラメータに基づく前記現像処理に対応する学習済み推論パラメータを選択する
ことを特徴とする推論装置。 - 前記決定された現像パラメータが、各々が異なる種類の画像処理を含む2以上の現像処理を規定する場合、
前記選択手段は、前記2以上の現像処理に対応する2以上の学習済み推論パラメータを選択し、
前記生成手段は、前記第1のRAW画像に対して前記2以上の学習済み推論パラメータに対応する2以上の推論を直列に行うことにより、前記第2のRAW画像を生成する
ことを特徴とする請求項1に記載の推論装置。 - 前記学習モデルはニューラルネットワークを含む
ことを特徴とする請求項1又は2に記載の推論装置。 - 第3のRAW画像を非可逆の圧縮方式で圧縮することにより生成される圧縮RAWデータを復号することにより前記第1のRAW画像を生成する復号手段を更に備える
ことを特徴とする請求項1乃至3のいずれか1項に記載の推論装置。 - 画像に対して推論パラメータに基づく推論を行う学習モデルを用いて、第3のRAW画像に対して画質を低下させる処理を適用することにより得られる第1のRAW画像から、画質が改善された第2のRAW画像を生成する生成手段と、
前記第2のRAW画像及び前記第3のRAW画像に対して所定の現像処理を行う現像手段と、
前記第2のRAW画像に対応する現像画像の画質を前記第3のRAW画像に対応する現像画像の画質に近づけるように、前記学習モデルの学習を行う学習手段と、
前記学習の結果として得られた学習済み推論パラメータを前記所定の現像処理と関連付けて記録する記録手段と、
を備えることを特徴とする学習装置。 - 前記所定の現像処理は、強度を変更可能な所定の種類の画像処理を含み、
前記学習手段は、前記学習において複数の強度それぞれについて前記所定の現像処理が行われるように制御する
ことを特徴とする請求項5に記載の学習装置。 - 前記学習手段は、複数の現像処理それぞれにより生じる画像ノイズの増減量に従って前記複数の現像処理をグループ化し、グループ毎に前記学習を行うように制御する
ことを特徴とする請求項5に記載の学習装置。 - 前記学習手段は、複数の現像処理それぞれにより生じる空間周波数の増減量に従って前記複数の現像処理をグループ化し、グループ毎に前記学習を行うように制御する
ことを特徴とする請求項5に記載の学習装置。 - 前記学習手段は、複数の現像処理それぞれにより生じる色相の調整量に従って前記複数の現像処理をグループ化し、グループ毎に前記学習を行うように制御する
ことを特徴とする請求項5に記載の学習装置。 - 前記学習手段は、前記第2のRAW画像に対応する現像画像と前記第3のRAW画像に対応する現像画像との間の平均二乗誤差に基づいて前記学習を行うように制御する
ことを特徴とする請求項5乃至9のいずれか1項に記載の学習装置。 - 前記学習手段は、前記第2のRAW画像と前記第3のRAW画像との差に更に基づいて前記学習を行うように制御する
ことを特徴とする請求項5乃至10のいずれか1項に記載の学習装置。 - 前記学習手段は、前記第2のRAW画像に対応する現像画像の画質と前記第3のRAW画像に対応する現像画像の画質との差と、前記第2のRAW画像と前記第3のRAW画像との差とが、前記学習に寄与する割合を、前記所定の現像処理の強度に応じて変更するように制御する
ことを特徴とする請求項11に記載の学習装置。 - 前記学習手段は、前記所定の現像処理の強度が大きいほど、前記第2のRAW画像に対応する現像画像の画質と前記第3のRAW画像に対応する現像画像の画質との差が前記学習に寄与する割合を大きくするように制御する
ことを特徴とする請求項12に記載の学習装置。 - 前記学習モデルはニューラルネットワークを含む
ことを特徴とする請求項5乃至13のいずれか1項に記載の学習装置。 - 前記第3のRAW画像を非可逆の圧縮方式で圧縮することにより圧縮RAWデータを生成する符号化手段と、
前記圧縮RAWデータを復号することにより前記第1のRAW画像を生成する復号手段と、
を更に備えることを特徴とする請求項5乃至14のいずれか1項に記載の学習装置。 - 推論装置が実行する推論方法であって、
現像パラメータを決定する決定工程と、
画像に対して推論パラメータに基づく推論を行う学習モデルに適用する推論パラメータを選択する選択工程と、
前記学習モデルを用いて、画質を低下させる処理が適用された第1のRAW画像に対して前記選択された推論パラメータに基づく推論を行うことにより、画質が改善された第2のRAW画像を生成する生成工程と、
前記第2のRAW画像に対して前記決定された現像パラメータに基づく現像処理を行う現像工程と、
を備え、
前記選択工程では、前記学習モデルに適用する推論パラメータとして、事前に複数の現像処理それぞれについて前記学習モデルの学習を行うことにより得られた複数の学習済み推論パラメータの中から、前記決定された現像パラメータに基づく前記現像処理に対応する学習済み推論パラメータを選択する
ことを特徴とする推論方法。 - 学習装置が実行する学習方法であって、
画像に対して推論パラメータに基づく推論を行う学習モデルを用いて、第3のRAW画像に対して画質を低下させる処理を適用することにより得られる第1のRAW画像から、画質が改善された第2のRAW画像を生成する生成工程と、
前記第2のRAW画像及び前記第3のRAW画像に対して所定の現像処理を行う現像工程と、
前記第2のRAW画像に対応する現像画像の画質を前記第3のRAW画像に対応する現像画像の画質に近づけるように、前記学習モデルの学習を行う学習工程と、
前記学習の結果として得られた学習済み推論パラメータを前記所定の現像処理と関連付けて記録する記録工程と、
を備えることを特徴とする学習方法。 - コンピュータを、請求項1乃至4のいずれか1項に記載の推論装置の各手段として機能させるためのプログラム。
- コンピュータを、請求項5乃至14のいずれか1項に記載の学習装置の各手段として機能させるためのプログラム。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020007836A JP7407604B2 (ja) | 2020-01-21 | 2020-01-21 | 推論装置、学習装置、推論方法、学習方法、及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020007836A JP7407604B2 (ja) | 2020-01-21 | 2020-01-21 | 推論装置、学習装置、推論方法、学習方法、及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021114265A JP2021114265A (ja) | 2021-08-05 |
JP7407604B2 true JP7407604B2 (ja) | 2024-01-04 |
Family
ID=77077292
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2020007836A Active JP7407604B2 (ja) | 2020-01-21 | 2020-01-21 | 推論装置、学習装置、推論方法、学習方法、及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7407604B2 (ja) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016162421A (ja) | 2015-03-05 | 2016-09-05 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2018216992A1 (en) | 2017-05-22 | 2018-11-29 | Samsung Electronics Co., Ltd. | Electronic device for processing image acquired by using camera and method for operating the same |
-
2020
- 2020-01-21 JP JP2020007836A patent/JP7407604B2/ja active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016162421A (ja) | 2015-03-05 | 2016-09-05 | キヤノン株式会社 | 情報処理装置、情報処理方法、およびプログラム |
WO2018216992A1 (en) | 2017-05-22 | 2018-11-29 | Samsung Electronics Co., Ltd. | Electronic device for processing image acquired by using camera and method for operating the same |
Also Published As
Publication number | Publication date |
---|---|
JP2021114265A (ja) | 2021-08-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zeng et al. | Learning image-adaptive 3d lookup tables for high performance photo enhancement in real-time | |
CN110728633B (zh) | 多曝光度高动态范围反色调映射模型构建方法及装置 | |
JP4824726B2 (ja) | ディジタル映像圧縮のための適応制御 | |
JP2022519469A (ja) | 画像品質評価方法及び装置 | |
US9846826B2 (en) | Image processing to generate a tone curve for processing an image by associating a model parameter of the image with another model parameter of a reference image | |
JP6598479B2 (ja) | 画像処理装置、その制御方法、および制御プログラム | |
US20060092474A1 (en) | System and method for image processing | |
JP2003018599A (ja) | 画像符号化装置および方法 | |
CN111612722A (zh) | 基于简化Unet全卷积神经网络的低照度图像处理方法 | |
US20190364171A1 (en) | Image processing apparatus, image processing method, and storage medium | |
JP2010130399A (ja) | 画像処理装置、画像処理方法および画像処理プログラム | |
US20230153966A1 (en) | Apparatus and method for image processing | |
US8818086B2 (en) | Method for improving the visual perception of a digital image | |
JP7407604B2 (ja) | 推論装置、学習装置、推論方法、学習方法、及びプログラム | |
US20210297665A1 (en) | Division pattern determining apparatus and learning apparatus and method for controlling same and non-transitory computer-readable storage medium | |
CN112235571B (zh) | 视频位深扩展方法、装置、电子设备及存储介质 | |
JP6871727B2 (ja) | 撮像装置、画像処理方法、及び、プログラム | |
CN114223015A (zh) | 利用模型模板的高效的用户定义sdr到hdr转换 | |
JP4183432B2 (ja) | 画像データ符号化方法 | |
JP2005160020A (ja) | 画像処理装置および画像処理方法 | |
JP2003051004A (ja) | ノイズ出現の評価を利用して画像処理経路を選択するシステムおよび方法 | |
CN105872538A (zh) | 时域滤波方法和时域滤波装置 | |
US6937654B2 (en) | Moving picture coding control apparatus, and coding control database generating apparatus | |
KR100657776B1 (ko) | 연산 장치, 변환기, 및 이들의 방법 | |
JP6486120B2 (ja) | 符号化装置、符号化装置の制御方法、及びプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
RD01 | Notification of change of attorney |
Free format text: JAPANESE INTERMEDIATE CODE: A7421 Effective date: 20210103 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210113 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20230105 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20231113 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20231120 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231219 |
|
R151 | Written notification of patent or utility model registration |
Ref document number: 7407604 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |