JP7443366B2 - 画像強調のための人工知能技法 - Google Patents
画像強調のための人工知能技法 Download PDFInfo
- Publication number
- JP7443366B2 JP7443366B2 JP2021531458A JP2021531458A JP7443366B2 JP 7443366 B2 JP7443366 B2 JP 7443366B2 JP 2021531458 A JP2021531458 A JP 2021531458A JP 2021531458 A JP2021531458 A JP 2021531458A JP 7443366 B2 JP7443366 B2 JP 7443366B2
- Authority
- JP
- Japan
- Prior art keywords
- image
- images
- machine learning
- input
- target
- 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 230
- 238000013473 artificial intelligence Methods 0.000 title description 5
- 238000010801 machine learning Methods 0.000 claims description 325
- 238000012549 training Methods 0.000 claims description 205
- 238000003384 imaging method Methods 0.000 claims description 136
- 230000006870 function Effects 0.000 claims description 39
- 238000013528 artificial neural network Methods 0.000 claims description 36
- 230000007935 neutral effect Effects 0.000 claims description 27
- 238000013527 convolutional neural network Methods 0.000 claims description 25
- 238000003860 storage Methods 0.000 claims description 19
- 238000012935 Averaging Methods 0.000 claims description 17
- 230000002708 enhancing effect Effects 0.000 claims description 17
- 230000008569 process Effects 0.000 description 131
- 238000012545 processing Methods 0.000 description 15
- 238000005286 illumination Methods 0.000 description 13
- 238000005516 engineering process Methods 0.000 description 12
- 238000004891 communication Methods 0.000 description 10
- 230000001965 increasing effect Effects 0.000 description 9
- 238000013500 data storage Methods 0.000 description 8
- 230000033001 locomotion Effects 0.000 description 7
- 230000000694 effects Effects 0.000 description 6
- 230000003287 optical effect Effects 0.000 description 5
- 239000003086 colorant Substances 0.000 description 4
- 238000001816 cooling Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000001914 filtration Methods 0.000 description 4
- 230000004913 activation Effects 0.000 description 3
- 238000007792 addition Methods 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 239000011159 matrix material Substances 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000003062 neural network model Methods 0.000 description 3
- 238000010606 normalization Methods 0.000 description 3
- 238000013139 quantization Methods 0.000 description 3
- 238000005070 sampling Methods 0.000 description 3
- 238000004904 shortening Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 230000009466 transformation Effects 0.000 description 3
- 230000003044 adaptive effect Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 2
- 238000007796 conventional method Methods 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 238000002059 diagnostic imaging Methods 0.000 description 2
- 230000005672 electromagnetic field Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000005192 partition Methods 0.000 description 2
- 239000011347 resin Substances 0.000 description 2
- 229920005989 resin Polymers 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 238000005096 rolling process Methods 0.000 description 2
- 101100248200 Arabidopsis thaliana RGGB gene Proteins 0.000 description 1
- 206010034960 Photophobia Diseases 0.000 description 1
- XUIMIQQOPSSXEZ-UHFFFAOYSA-N Silicon Chemical compound [Si] XUIMIQQOPSSXEZ-UHFFFAOYSA-N 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000000295 complement effect Effects 0.000 description 1
- 230000006835 compression Effects 0.000 description 1
- 238000007906 compression Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000008878 coupling Effects 0.000 description 1
- 238000010168 coupling process Methods 0.000 description 1
- 238000005859 coupling reaction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000013523 data management Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 230000001747 exhibiting effect Effects 0.000 description 1
- 230000001815 facial effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000007667 floating Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 239000011521 glass Substances 0.000 description 1
- 238000003709 image segmentation Methods 0.000 description 1
- 230000000977 initiatory effect Effects 0.000 description 1
- 208000013469 light sensitivity Diseases 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 229910044991 metal oxide Inorganic materials 0.000 description 1
- 150000004706 metal oxides Chemical class 0.000 description 1
- 230000003278 mimic effect Effects 0.000 description 1
- 230000000116 mitigating effect Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 230000001537 neural effect Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012805 post-processing Methods 0.000 description 1
- 238000007639 printing Methods 0.000 description 1
- 239000002096 quantum dot Substances 0.000 description 1
- 230000000306 recurrent effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 229910052710 silicon Inorganic materials 0.000 description 1
- 239000010703 silicon Substances 0.000 description 1
- 239000000344 soap Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000026676 system process Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000009827 uniform distribution Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/70—Denoising; Smoothing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/0464—Convolutional networks [CNN, ConvNet]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/084—Backpropagation, e.g. using gradient descent
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/60—Image enhancement or restoration using machine learning, e.g. neural networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/10—Segmentation; Edge detection
- G06T7/11—Region-based segmentation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/40—Analysis of texture
- G06T7/41—Analysis of texture based on statistical description of texture
- G06T7/44—Analysis of texture based on statistical description of texture using image operators, e.g. filters, edge density metrics or local histograms
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/82—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using neural networks
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/50—Constructional details
- H04N23/55—Optical parts specially adapted for electronic image sensors; Mounting thereof
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N23/00—Cameras or camera modules comprising electronic image sensors; Control thereof
- H04N23/70—Circuitry for compensating brightness variation in the scene
- H04N23/73—Circuitry for compensating brightness variation in the scene by influencing the exposure time
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
- G06N20/10—Machine learning using kernel methods, e.g. support vector machines [SVM]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/044—Recurrent networks, e.g. Hopfield networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10016—Video; Image sequence
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20084—Artificial neural networks [ANN]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20112—Image segmentation details
- G06T2207/20132—Image cropping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/20—Image preprocessing
- G06V10/30—Noise filtering
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Software Systems (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- Computing Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Mathematical Physics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computational Linguistics (AREA)
- Molecular Biology (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Multimedia (AREA)
- Medical Informatics (AREA)
- Databases & Information Systems (AREA)
- Signal Processing (AREA)
- Probability & Statistics with Applications (AREA)
- Evolutionary Biology (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Image Analysis (AREA)
- Image Processing (AREA)
Description
本願は、参照することによってその全体として本明細書に組み込まれる、「Artificial Intelligence Techniques for Image Enhancement」と題され、2018年に8月7日に出願された、米国仮出願第62/715,732号の優先権を35 U.S.C. § 119(e)の下で主張する。
方程式1:誤差
=1.6*赤色チャネルのMAE+1.0*緑色チャネルのMAE
+1.6*青色チャネルのMAE+1.4SSIM+1.5*周波数フィルタ処理されたMAE
方程式2:I=I0 *10-d
Claims (35)
- 機械学習システムを訓練し、画像を強調するためのシステムであって、
プロセッサと、
プロセッサ実行可能命令を記憶する非一過性のコンピュータ可読記憶媒体であって、前記プロセッサ実行可能命令は、前記プロセッサによって実行されると、
前記機械学習システムを訓練するために使用されるべき訓練画像のセットを取得することであって、前記取得することは、
場面の入力画像を取得することと、
前記場面の複数の画像を平均化することによって、前記場面の標的出力画像を取得することであって、前記標的出力画像は、前記入力画像の標的強調を表す、ことと
を含む、ことと、
前記訓練画像のセットを使用して、前記機械学習システムを訓練することと
を実施することを前記プロセッサに行わせる、非一過性のコンピュータ可読記憶媒体と を備える、システム。 - 前記命令は、
入力画像のセットを取得することであって、前記入力画像のセットの中の各入力画像は、対応する場面のものである、ことと、
標的出力画像のセットを取得することであって、前記入力画像のセットの中の入力画像毎に、前記対応する場面の複数の画像を平均化することによって、前記対応する場面の標的出力画像を取得することを含む、ことと、
前記入力画像のセットおよび前記標的出力画像のセットを使用して、前記機械学習システムを訓練することと
を前記プロセッサにさらに行わせる、請求項1に記載のシステム。 - 前記入力画像を取得することは、所定のISO閾値を上回るISO設定において前記入力画像を取得することを含む、請求項1に記載のシステム。
- 前記ISO閾値は、約1,500~500,000のISO範囲から選択される、請求項3に記載のシステム。
- 前記複数の画像を平均化することは、前記複数の画像内の各ピクセル場所を横断して算術平均を算出することを含む、請求項1に記載のシステム。
- 前記訓練画像のセットを取得することは、複数の画像捕捉設定のために訓練画像のセットを取得することを含む、請求項1に記載のシステム。
- 前記訓練画像のセットを取得することは、前記画像の入力セットおよび前記画像の出力セットを捕捉するために使用される撮像デバイスの雑音を捕捉する1つ以上の画像を取得することを含む、請求項1に記載のシステム。
- 前記命令は、訓練画像の第2のセットを取得することを実施することと、前記訓練画像の第2のセットを使用して、前記機械学習システムを再訓練することとを前記プロセッサにさらに行わせる、請求項1に記載のシステム。
- 前記命令は、
個別の撮像デバイスから前記訓練画像のセットを取得することと、
前記個別の撮像デバイスからの画像の第1の訓練セットに基づいて前記機械学習システムを訓練し、前記個別の撮像デバイスのための前記機械学習システムによる強調を最適化することと
を前記プロセッサにさらに行わせる、請求項1に記載のシステム。 - 前記機械学習システムは、ニューラルネットワークを備える、請求項1に記載のシステム。
- 前記機械学習システムを訓練することは、複数の損失関数の線形結合を最小限にすることを含む、請求項1に記載のシステム。
- 前記機械学習システムを訓練することは、人間によって知覚可能な周波数範囲内の性能のために前記機械学習システムを最適化することを含む、請求項1に記載のシステム。
- 前記機械学習システムを訓練することは、
個別の入力画像に対応する、前記機械学習システムによって発生される強調画像を取得することと、
前記個別の入力画像に対応する、前記標的出力画像のセットのうちの個別の標的出力画像を取得することと、
帯域通過フィルタを通して前記強調画像および前記標的出力画像を通過させることと、
フィルタ処理された前記強調画像およびフィルタ処理された前記標的出力画像に基づいて、前記機械学習システムを訓練することと
を含む、請求項12に記載のシステム。 - 前記機械学習システムを訓練することは、
前記訓練画像のセットを捕捉するために使用される撮像デバイスと関連付けられる雑音画像を取得することであって、前記雑音画像は、前記撮像デバイスによって発生される雑音を捕捉する、ことと、
前記雑音画像を前記機械学習システムの中への入力として含むことと
を含む、請求項1に記載のシステム。 - 前記機械学習システムを訓練するために使用されるべき前記訓練画像のセットを取得することは、
減光フィルタを使用して、入力画像のセットを取得することであって、前記入力画像のセットのうちの各画像は、対応する場面のものである、ことと、
標的出力画像のセットを取得することであって、前記入力画像のセットの中の入力画像毎に、前記減光フィルタを用いることなく捕捉される前記対応する場面の標的出力画像を取得することを含み、前記標的出力画像は、前記入力画像の標的強調を表す、ことと
を含む、請求項1に記載のシステム。 - 画像を自動的に強調するためのシステムであって、前記システムは、
プロセッサと、
前記プロセッサによって実装される機械学習システムであって、前記機械学習システムは、
入力画像を受信することと、
前記入力画像に基づいて、前記入力画像内よりも多く照明される前記入力画像の少なくとも一部を備える出力画像を発生させることと
を行うように構成される、機械学習システムと
を備え、
前記機械学習システムは、訓練画像のセットに基づいて訓練され、前記訓練画像のセットは、
場面の入力画像と、
前記場面の標的出力画像であって、前記標的出力画像は、前記場面の複数の画像を平均化することによって取得され、前記標的出力画像は、前記入力画像の標的強調を表す、標的出力画像と
を備える、システム。 - 前記訓練画像のセットの1つ以上の入力画像は、減光フィルタを用いて捕捉され、
前記訓練画像のセットの1つ以上の出力画像は、前記減光フィルタを用いることなく捕捉される、請求項16に記載のシステム。 - 前記プロセッサは、
第1の画像を受信することと、
前記第1の画像を第1の複数の画像部分に分割することと、
前記第1の複数の画像部分を前記機械学習システムに入力することと、
前記機械学習システムから第2の複数の画像部分を受信することと、
前記第2の複数の画像を組み合わせ、出力画像を発生させることと
を行うように構成される、請求項16に記載のシステム。 - 前記機械学習システムは、前記第1の複数の画像部分のうちの個別の画像部分に関して、当該個別の画像部分の一部を切り取るように構成され、前記個別の画像部分の前記一部は、前記個別の画像部分のピクセルのサブセットを備える、請求項18に記載のシステム。
- 前記プロセッサは、
前記第1の複数の画像部分のサイズを判定することと、
前記第1の画像を前記第1の複数の画像部分に分割することと
を行うように構成され、前記第1の複数の画像部分はそれぞれ、前記サイズを有する、請求項18に記載のシステム。 - 前記機械学習システムは、畳み込みニューラルネットワークまたは密に接続された畳み込みニューラルネットワークを備えるニューラルネットワークを備える、請求項11に記載のシステム。
- 前記プロセッサは、
第1の画像を取得することと、
前記第1の画像を量子化して、量子化された画像を取得することと、
前記量子化された画像を前記機械学習システムに入力することと、
前記機械学習システムから個別の出力画像を受信することと
を行うように構成される、請求項16に記載のシステム。 - 機械学習システムを訓練し、画像を強調するためのコンピュータ化方法であって、前記方法は、
前記機械学習システムを訓練するために使用されるべき訓練画像のセットを取得することであって、前記取得することは、
場面の入力画像を取得することと、
前記場面の複数の画像を平均化することによって、前記場面の標的出力画像を取得することであって、前記標的出力画像は、前記入力画像の標的強調を表す、ことと
を含む、ことと、
前記訓練画像のセットを使用して、前記機械学習システムを訓練することと
を含む、方法。 - 画像を強調するための機械学習モデルを訓練する方法であって、前記方法は、
少なくとも1つのコンピュータハードウェアプロセッサを使用して、
表示されたビデオフレームの標的画像にアクセスすることであって、前記標的画像は、前記機械学習モデルの標的出力を表す、ことと、
前記表示されたビデオフレームの入力画像にアクセスすることであって、前記入力画像は、前記標的画像に対応し、前記機械学習モデルへの入力を表す、ことと、
前記標的画像および前記標的画像に対応する前記入力画像を使用して、前記機械学習モデルを訓練し、訓練された機械学習モデルを取得することと
を実施することを含む、方法。 - 第1の露出時間を使用して、前記表示されたビデオフレームの標的画像を、撮像デバイスを使用して捕捉することと、
第2の露出時間を使用して、前記表示されたビデオフレームの入力画像を、前記撮像デバイスを使用して捕捉することであって、前記第2の露出時間は、前記第1の露出時間未満である、ことと
をさらに含む、請求項24に記載の方法。 - 減光フィルタを用いて、前記表示されたビデオフレームの入力画像を、撮像デバイスを使用して捕捉することと、
減光フィルタを用いることなく、前記表示されたビデオフレームの標的画像を、前記撮像デバイスを使用して捕捉することと
をさらに含む、請求項24に記載の方法。 - 撮像デバイスを使用して、前記表示されたビデオフレームの入力画像を捕捉することと、
前記ビデオフレームの複数の静止捕捉の各ピクセル場所を平均化することによって、前記撮像デバイスを使用して、前記表示されたビデオフレームの標的画像を捕捉することと
をさらに含む、請求項24に記載の方法。 - 第1の露出時間を使用して、前記表示されたビデオフレームの標的画像を、撮像デバイスを使用して捕捉することであって、前記表示されたビデオフレームは、第1の明度において表示される、ことと、
前記第1の露出時間を使用して、前記表示されたビデオフレームの入力画像を、前記撮像デバイスを使用して捕捉することであって、前記表示されたビデオフレームは、前記第1の明度よりも暗い第2の明度において表示される、ことと
をさらに含む、請求項24に記載の方法。 - 前記入力画像および前記標的画像はそれぞれ、前記入力画像および標的画像が、前記表示されたビデオフレームと関連付けられるデータと異なる第2のデータを含むように、関連付けられる内側部分において前記表示されたビデオフレームを備え、
前記方法は、前記表示されたビデオフレームと関連付けられる前記データを含むように、かつ前記第2のデータを除外するように、前記入力画像および前記標的画像のそれぞれを切り取ることをさらに含む、請求項24に記載の方法。 - 前記入力画像および前記標的画像はそれぞれ、前記ビデオフレームを表示するディスプレイデバイスの第2のピクセル数未満である同一の第1のピクセル数を備える、請求項29に記載の方法。
- 画像にアクセスすることと、
前記画像を入力として前記訓練された機械学習モデルに提供し、前記画像に関する更新されたピクセル値を示す対応する出力を取得することと、
前記訓練された機械学習モデルからの出力を使用して、前記画像を更新することと
をさらに含む、請求項24に記載の方法。 - 複数の付加的標的画像であって、前記付加的標的画像のうちの各標的画像は、
関連付けられる表示されたビデオフレームのものであり、
前記関連付けられる表示されたビデオフレームに関する前記機械学習モデルの関連付けられる標的出力を表す、
複数の付加的標的画像と、
複数の付加的入力画像であって、前記付加的入力画像のうちの各入力画像は、
前記入力画像が、対応する標的画像と同一の表示されたビデオフレームのものであるように、前記付加的標的画像のうちの標的画像に対応し、
前記対応する標的画像に関する前記機械学習モデルへの入力を表す、
複数の付加的入力画像と
にアクセスすることと、
(a)前記標的画像および前記標的画像に対応する前記入力画像と、(b)前記複数の付加的標的画像および前記複数の付加的入力画像とを使用して、前記機械学習モデルを訓練し、訓練された機械学習モデルを取得することと
をさらに含む、請求項24に記載の方法。 - 画像を強調するための機械学習モデルを訓練するためのシステムであって、前記システムは、
ビデオのビデオフレームを表示するためのディスプレイと、
デジタル撮像デバイスであって、
表示された前記ビデオフレームの標的画像を捕捉することであって、前記標的画像は、前記機械学習モデルの標的出力を表す、ことと、
前記表示されたビデオフレームの入力画像を捕捉することであって、前記入力画像は、前記標的画像に対応し、前記機械学習モデルへの入力を表す、ことと
を行うように構成される、デジタル撮像デバイスと、
少なくとも1つのハードウェアプロセッサと、プロセッサ実行可能命令を記憶する少なくとも1つの非一過性のコンピュータ可読記憶媒体とを備えるコンピューティングデバイスであって、前記プロセッサ実行可能命令は、前記少なくとも1つのハードウェアプロセッサによって実行されると、
前記標的画像および前記入力画像にアクセスすることと、
前記標的画像および前記標的画像に対応する前記入力画像を使用して、前記機械学習モデルを訓練し、訓練された機械学習モデルを取得することと
を実施することを前記少なくとも1つのハードウェアプロセッサに行わせる、コンピューティングデバイスと
を備える、システム。 - 前記ディスプレイは、テレビ、プロジェクタ、またはそれらのある組み合わせを備える、請求項33に記載のシステム。
- プロセッサ実行可能命令を記憶する少なくとも1つのコンピュータ可読記憶媒体であって、前記プロセッサ実行可能命令は、少なくとも1つのプロセッサによって実行されると、
表示されたビデオフレームの標的画像にアクセスすることであって、前記標的画像は、機械学習モデルの標的出力を表す、ことと、
前記表示されたビデオフレームの入力画像にアクセスすることであって、前記入力画像は、前記標的画像に対応し、前記機械学習モデルへの入力を表す、ことと、
前記標的画像および前記標的画像に対応する前記入力画像を使用して、前記機械学習モデルを訓練し、訓練された機械学習モデルを取得することと
を実施することを前記少なくとも1つのプロセッサに行わせる、少なくとも1つのコンピュータ可読記憶媒体。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201862715732P | 2018-08-07 | 2018-08-07 | |
US62/715,732 | 2018-08-07 | ||
PCT/US2019/045473 WO2020033524A1 (en) | 2018-08-07 | 2019-08-07 | Artificial intelligence techniques for image enhancement |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021534520A JP2021534520A (ja) | 2021-12-09 |
JP7443366B2 true JP7443366B2 (ja) | 2024-03-05 |
Family
ID=69406060
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021531458A Active JP7443366B2 (ja) | 2018-08-07 | 2019-08-07 | 画像強調のための人工知能技法 |
Country Status (6)
Country | Link |
---|---|
US (3) | US11182877B2 (ja) |
EP (1) | EP3834135A4 (ja) |
JP (1) | JP7443366B2 (ja) |
KR (1) | KR20210059712A (ja) |
CN (1) | CN112703509A (ja) |
WO (1) | WO2020033524A1 (ja) |
Families Citing this family (51)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2019146022A (ja) * | 2018-02-21 | 2019-08-29 | オリンパス株式会社 | 撮像装置及び撮像方法 |
US11182877B2 (en) | 2018-08-07 | 2021-11-23 | BlinkAI Technologies, Inc. | Techniques for controlled generation of training data for machine learning enabled image enhancement |
US11569981B1 (en) * | 2018-08-28 | 2023-01-31 | Amazon Technologies, Inc. | Blockchain network based on machine learning-based proof of work |
KR102637732B1 (ko) * | 2018-09-21 | 2024-02-19 | 삼성전자주식회사 | 이미지 신호 프로세서, 상기 이미지 신호 프로세서의 동작 방법 및 상기 이미지 신호 프로세서를 포함하는 애플리케이션 프로세서 |
US11158286B2 (en) * | 2018-10-05 | 2021-10-26 | Disney Enterprises, Inc. | Machine learning color science conversion |
CN109523532B (zh) * | 2018-11-13 | 2022-05-03 | 腾讯医疗健康(深圳)有限公司 | 图像处理方法、装置、计算机可读介质及电子设备 |
US10990850B1 (en) * | 2018-12-12 | 2021-04-27 | Amazon Technologies, Inc. | Knowledge distillation and automatic model retraining via edge device sample collection |
US10785419B2 (en) * | 2019-01-25 | 2020-09-22 | Pixart Imaging Inc. | Light sensor chip, image processing device and operating method thereof |
US10992902B2 (en) | 2019-03-21 | 2021-04-27 | Disney Enterprises, Inc. | Aspect ratio conversion with machine learning |
US11032576B2 (en) * | 2019-06-10 | 2021-06-08 | Microsoft Technology Licensing, Llc | Selectively enhancing compressed digital content |
TWI773907B (zh) * | 2019-07-11 | 2022-08-11 | 緯創資通股份有限公司 | 資料擷取裝置與資料運算系統及方法 |
US11164344B2 (en) * | 2019-10-03 | 2021-11-02 | Siemens Medical Solutions Usa, Inc. | PET image reconstruction using TOF data and neural network |
US11983853B1 (en) * | 2019-10-31 | 2024-05-14 | Meta Plattforms, Inc. | Techniques for generating training data for machine learning enabled image enhancement |
US11893482B2 (en) * | 2019-11-14 | 2024-02-06 | Microsoft Technology Licensing, Llc | Image restoration for through-display imaging |
US11676023B2 (en) | 2019-11-27 | 2023-06-13 | Pavel Sinha | Systems and methods for performing direct conversion of image sensor data to image analytics |
DE102019220171A1 (de) * | 2019-12-19 | 2021-06-24 | Conti Temic Microelectronic Gmbh | Umwandlung von Eingangs-Bilddaten einer Mehrzahl von Fahrzeugkameras eines Rundumsichtsystems in optimierte Ausgangs-Bilddaten |
JP2023056056A (ja) * | 2020-03-05 | 2023-04-19 | ソニーセミコンダクタソリューションズ株式会社 | データ生成方法、学習方法及び推定方法 |
CN111524521B (zh) * | 2020-04-22 | 2023-08-08 | 北京小米松果电子有限公司 | 声纹提取模型训练方法和声纹识别方法、及其装置和介质 |
TW202143119A (zh) * | 2020-05-07 | 2021-11-16 | 瑞典商安訊士有限公司 | 在具有光強度廣泛範圍的場景中利用神經網路之物件偵測 |
CN111709891B (zh) * | 2020-06-12 | 2023-11-24 | 北京小米松果电子有限公司 | 图像去噪模型的训练方法、图像去噪方法、装置及介质 |
CN111709890B (zh) | 2020-06-12 | 2023-11-24 | 北京小米松果电子有限公司 | 一种图像增强模型的训练方法、装置及存储介质 |
US11457896B2 (en) * | 2020-09-23 | 2022-10-04 | GE Precision Healthcare LLC | Ultrasound imaging system and method for generating an enhanced image to enhance a shadow region |
CN114363693B (zh) * | 2020-10-13 | 2023-05-12 | 华为技术有限公司 | 画质调整方法及装置 |
CN112257847A (zh) * | 2020-10-16 | 2021-01-22 | 昆明理工大学 | 一种基于CNN和LSTM预测地磁Kp指数的方法 |
CN112507890A (zh) * | 2020-12-14 | 2021-03-16 | 南京林业大学 | 一种基于svm分类器的竹子叶片分类识别方法 |
DE102020215860A1 (de) | 2020-12-15 | 2022-06-15 | Conti Temic Microelectronic Gmbh | Korrektur von Bildern eines Rundumsichtkamerasystems bei Regen, Lichteinfall und Verschmutzung |
DE102020215859A1 (de) | 2020-12-15 | 2022-06-15 | Conti Temic Microelectronic Gmbh | Korrektur von Bildern einer Kamera bei Regen, Lichteinfall und Verschmutzung |
CN112541876B (zh) * | 2020-12-15 | 2023-08-04 | 北京百度网讯科技有限公司 | 卫星图像处理方法、网络训练方法、相关装置及电子设备 |
CN112819707B (zh) * | 2021-01-15 | 2022-05-03 | 电子科技大学 | 一种端到端抗块效应低照度图像增强方法 |
US11803988B2 (en) * | 2021-03-15 | 2023-10-31 | Tencent America LLC | Method and apparatus for adaptive image compression with flexible hyperprior model by meta learning |
WO2022194344A1 (en) * | 2021-03-16 | 2022-09-22 | Huawei Technologies Co., Ltd. | Learnable augmentation space for dense generative adversarial networks |
CN115398469A (zh) * | 2021-03-22 | 2022-11-25 | 京东方科技集团股份有限公司 | 图像处理方法及图像处理装置 |
CN113034408B (zh) * | 2021-04-30 | 2022-08-12 | 广东工业大学 | 一种红外热成像深度学习图像去噪方法及装置 |
CN113313684B (zh) * | 2021-05-28 | 2022-11-25 | 北京航空航天大学 | 一种暗光条件下基于视频的工业缺陷检测系统 |
CN113744169A (zh) * | 2021-09-07 | 2021-12-03 | 讯飞智元信息科技有限公司 | 图像增强方法、装置、电子设备和存储介质 |
CN113793264B (zh) * | 2021-09-07 | 2022-11-15 | 北京航星永志科技有限公司 | 一种基于卷积模型的档案图像处理方法、系统和电子设备 |
EP4174758A1 (en) * | 2021-10-26 | 2023-05-03 | Leica Microsystems CMS GmbH | Training a denoising model for a microscope |
US12015855B2 (en) | 2021-11-16 | 2024-06-18 | Samsung Electronics Co., Ltd. | System and method for synthesizing low-light images |
KR102645254B1 (ko) * | 2021-12-08 | 2024-03-08 | 현대오토에버 주식회사 | 디블러링네트워크 학습방법, 모션블러 저감방법 및 로봇 |
US20230186446A1 (en) | 2021-12-15 | 2023-06-15 | 7 Sensing Software | Image processing methods and systems for low-light image enhancement using machine learning models |
US20230186612A1 (en) * | 2021-12-15 | 2023-06-15 | 7 Sensing Software | Image processing methods and systems for generating a training dataset for low-light image enhancement using machine learning models |
US20230269499A1 (en) * | 2022-02-23 | 2023-08-24 | Sony Group Corporation | Method for automatic sensor pixel arrangement optimized for multiple camera tasks |
CN114511041B (zh) * | 2022-04-01 | 2022-07-22 | 北京世纪好未来教育科技有限公司 | 模型训练方法、图像处理方法、装置、设备和存储介质 |
US20240029308A1 (en) * | 2022-07-20 | 2024-01-25 | Samsung Electronics Co., Ltd. | Apparatus and method for performing color transformation on raw sensor images |
CN115358952B (zh) * | 2022-10-20 | 2023-03-17 | 福建亿榕信息技术有限公司 | 一种基于元学习的图像增强方法、系统、设备和存储介质 |
WO2024117587A1 (ko) * | 2022-11-28 | 2024-06-06 | 삼성전자 주식회사 | 필터 기능을 제공하는 전자 장치 및 그 동작 방법 |
WO2024129062A1 (en) * | 2022-12-12 | 2024-06-20 | Zeku, Inc. | Method and apparatus for unified multi-stage artificial intelligence-based image signal processing pipeline |
LU503281B1 (en) * | 2022-12-30 | 2024-07-01 | Luxembourg Inst Science & Tech List | Digital image denoising method |
US12073610B1 (en) * | 2023-02-10 | 2024-08-27 | Capture Llc | Universally trained model for detecting objects using common class sensor devices |
WO2024168589A1 (en) * | 2023-02-15 | 2024-08-22 | Qualcomm Incorporated | Image sensor and image signal processor for capturing images in low light environments |
CN117731903B (zh) * | 2024-02-19 | 2024-05-07 | 首都医科大学附属北京同仁医院 | 一种可视智能型插管型喉罩及插管组件 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120307116A1 (en) | 2011-06-01 | 2012-12-06 | Lansel Steven P | Learning of Image Processing Pipeline for Digital Imaging Devices |
US20170132758A1 (en) | 2015-11-05 | 2017-05-11 | Facebook, Inc. | Systems and methods for processing content using convolutional neural networks |
Family Cites Families (52)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA2347181A1 (en) | 2000-06-13 | 2001-12-13 | Eastman Kodak Company | Plurality of picture appearance choices from a color photographic recording material intended for scanning |
US20040189836A1 (en) * | 2003-03-25 | 2004-09-30 | Spears Kurt E. | System and method for compensating for noise in image information |
US7545965B2 (en) | 2003-11-10 | 2009-06-09 | The University Of Chicago | Image modification and detection using massive training artificial neural networks (MTANN) |
DE602004014901D1 (de) | 2004-04-29 | 2008-08-21 | Mitsubishi Electric Corp | Adaptive Quantisierung einer Tiefenkarte |
US8319166B2 (en) * | 2006-01-18 | 2012-11-27 | National University Corporation Shizuoka University | Solid-state image pick-up device and pixel signal readout method having dual potential well, dual transfer gate electrode and dual floating-diffusion region for separately transferring and storing charges respectively |
US7986356B2 (en) * | 2007-07-25 | 2011-07-26 | Hewlett-Packard Development Company, L.P. | System and method for determining a gamma curve of a display device |
US8228400B2 (en) * | 2009-04-17 | 2012-07-24 | Sony Corporation | Generation of simulated long exposure images in response to multiple short exposures |
US9225916B2 (en) * | 2010-03-18 | 2015-12-29 | Cisco Technology, Inc. | System and method for enhancing video images in a conferencing environment |
SE536510C2 (sv) | 2012-02-21 | 2014-01-14 | Flir Systems Ab | Bildbehandlingsmetod för detaljförstärkning och brusreduktion |
JP5984581B2 (ja) | 2012-08-24 | 2016-09-06 | キヤノン株式会社 | 画像復元方法、画像復元装置、撮像装置およびプログラム |
US9774804B2 (en) * | 2013-12-13 | 2017-09-26 | Bio-Rad Laboratories, Inc. | Digital imaging with masked pixels |
US9179080B2 (en) * | 2014-01-06 | 2015-11-03 | Qualcomm Incorporated | System and method to capture images with reduced blurriness in low light conditions |
JP2015154179A (ja) * | 2014-02-13 | 2015-08-24 | 株式会社リコー | 画像処理装置、撮像装置、画像処理プログラム、画像処理方法 |
WO2016128138A1 (en) * | 2015-02-11 | 2016-08-18 | MAX-PLANCK-Gesellschaft zur Förderung der Wissenschaften e.V. | Method and device for emulating continuously varying frame rates |
JP6377258B2 (ja) * | 2015-04-16 | 2018-08-22 | 三菱電機株式会社 | 画像処理装置及び方法、並びにプログラム及び記録媒体 |
CN108885781B (zh) | 2015-04-28 | 2022-07-08 | 西门子保健有限责任公司 | 用于根据低剂量或低kV计算机断层扫描图像合成虚拟高剂量或高kV计算机断层扫描图像的方法和系统 |
US20160321523A1 (en) | 2015-04-30 | 2016-11-03 | The Regents Of The University Of California | Using machine learning to filter monte carlo noise from images |
US9633282B2 (en) * | 2015-07-30 | 2017-04-25 | Xerox Corporation | Cross-trained convolutional neural networks using multimodal images |
US20170109584A1 (en) * | 2015-10-20 | 2017-04-20 | Microsoft Technology Licensing, Llc | Video Highlight Detection with Pairwise Deep Ranking |
CN109863512B (zh) | 2016-09-01 | 2023-10-20 | 通用医疗公司 | 用于通过流形近似进行自动变换的系统和方法 |
JP6761128B2 (ja) | 2016-09-06 | 2020-09-23 | エレクタ、インク.Elekta, Inc. | 合成医療画像を生成するためのニューラルネットワーク |
US10504004B2 (en) * | 2016-09-16 | 2019-12-10 | General Dynamics Mission Systems, Inc. | Systems and methods for deep model translation generation |
US10289951B2 (en) | 2016-11-02 | 2019-05-14 | Adobe Inc. | Video deblurring using neural networks |
JP6581068B2 (ja) | 2016-11-11 | 2019-09-25 | 株式会社東芝 | 画像処理装置、画像処理方法、プログラム、運転制御システム、および、車両 |
US10726244B2 (en) | 2016-12-07 | 2020-07-28 | Samsung Electronics Co., Ltd. | Method and apparatus detecting a target |
US10530991B2 (en) * | 2017-01-28 | 2020-01-07 | Microsoft Technology Licensing, Llc | Real-time semantic-aware camera exposure control |
US10096109B1 (en) * | 2017-03-31 | 2018-10-09 | The Board Of Trustees Of The Leland Stanford Junior University | Quality of medical images using multi-contrast and deep learning |
US10311552B2 (en) * | 2017-04-06 | 2019-06-04 | Pixar | De-noising images using machine learning |
US10453208B2 (en) | 2017-05-19 | 2019-10-22 | Waymo Llc | Camera systems using filters and exposure times to detect flickering illuminated objects |
US10674045B2 (en) * | 2017-05-31 | 2020-06-02 | Google Llc | Mutual noise estimation for videos |
CN108229526B (zh) | 2017-06-16 | 2020-09-29 | 北京市商汤科技开发有限公司 | 网络训练、图像处理方法、装置、存储介质和电子设备 |
CN107273872B (zh) | 2017-07-13 | 2020-05-05 | 北京大学深圳研究生院 | 用于图像或视频中行人重识别的深度判别网络模型方法 |
US10522186B2 (en) * | 2017-07-28 | 2019-12-31 | Adobe Inc. | Apparatus, systems, and methods for integrating digital media content |
US10798321B2 (en) | 2017-08-15 | 2020-10-06 | Dolby Laboratories Licensing Corporation | Bit-depth efficient image processing |
JP6840247B2 (ja) | 2017-08-18 | 2021-03-10 | 富士フイルム株式会社 | 撮像装置、撮像装置の制御方法、及び撮像装置の制御プログラム |
EP3685347B1 (en) * | 2017-09-22 | 2024-08-07 | F. Hoffmann-La Roche AG | Artifacts removal from tissue images |
CN107705155A (zh) | 2017-10-11 | 2018-02-16 | 北京三快在线科技有限公司 | 一种消费能力预测方法、装置、电子设备及可读存储介质 |
WO2019075669A1 (zh) | 2017-10-18 | 2019-04-25 | 深圳市大疆创新科技有限公司 | 视频处理方法、设备、无人机及计算机可读存储介质 |
EP3477583A1 (en) | 2017-10-31 | 2019-05-01 | Koninklijke Philips N.V. | Deep-learning based processing of motion artifacts in magnetic resonance imaging data |
WO2019090533A1 (en) | 2017-11-08 | 2019-05-16 | Shenzhen United Imaging Healthcare Co., Ltd. | System and method for diagnositic and treatment |
JP7345236B2 (ja) | 2017-11-10 | 2023-09-15 | 株式会社小松製作所 | 作業車両の動作を推定するための方法、システム、学習済みの分類モデルの製造方法、学習データ、及び学習データの製造方法 |
WO2019119047A1 (en) | 2017-12-21 | 2019-06-27 | Tiliter Pty Ltd | A retail checkout terminal fresh produce identification system |
CN108388876B (zh) | 2018-03-13 | 2022-04-22 | 腾讯科技(深圳)有限公司 | 一种图像识别方法、装置以及相关设备 |
US10783622B2 (en) * | 2018-04-25 | 2020-09-22 | Adobe Inc. | Training and utilizing an image exposure transformation neural network to generate a long-exposure image from a single short-exposure image |
CN109117862B (zh) | 2018-06-29 | 2019-06-21 | 北京达佳互联信息技术有限公司 | 图像标签识别方法、装置及服务器 |
US10803565B2 (en) | 2018-07-10 | 2020-10-13 | Intel Corporation | Low-light imaging using trained convolutional neural networks |
CN108810620B (zh) * | 2018-07-18 | 2021-08-17 | 腾讯科技(深圳)有限公司 | 识别视频中的关键时间点的方法、装置、设备及存储介质 |
CN109003270B (zh) | 2018-07-23 | 2020-11-27 | 北京市商汤科技开发有限公司 | 一种图像处理方法、电子设备及存储介质 |
US11182877B2 (en) | 2018-08-07 | 2021-11-23 | BlinkAI Technologies, Inc. | Techniques for controlled generation of training data for machine learning enabled image enhancement |
US10708525B2 (en) * | 2018-08-27 | 2020-07-07 | Qualcomm Incorporated | Systems and methods for processing low light images |
US10799182B2 (en) * | 2018-10-19 | 2020-10-13 | Microsoft Technology Licensing, Llc | Video-based physiological measurement using neural networks |
US11409986B2 (en) | 2018-11-15 | 2022-08-09 | Intel Corporation | Trainable vision scaler |
-
2019
- 2019-08-07 US US16/534,460 patent/US11182877B2/en active Active
- 2019-08-07 WO PCT/US2019/045473 patent/WO2020033524A1/en unknown
- 2019-08-07 JP JP2021531458A patent/JP7443366B2/ja active Active
- 2019-08-07 CN CN201980060548.6A patent/CN112703509A/zh active Pending
- 2019-08-07 US US16/534,424 patent/US11995800B2/en active Active
- 2019-08-07 KR KR1020217006783A patent/KR20210059712A/ko unknown
- 2019-08-07 EP EP19848151.7A patent/EP3834135A4/en not_active Withdrawn
-
2021
- 2021-10-21 US US17/451,728 patent/US20220044363A1/en not_active Abandoned
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120307116A1 (en) | 2011-06-01 | 2012-12-06 | Lansel Steven P | Learning of Image Processing Pipeline for Digital Imaging Devices |
US20170132758A1 (en) | 2015-11-05 | 2017-05-11 | Facebook, Inc. | Systems and methods for processing content using convolutional neural networks |
Also Published As
Publication number | Publication date |
---|---|
US20220044363A1 (en) | 2022-02-10 |
WO2020033524A1 (en) | 2020-02-13 |
US11182877B2 (en) | 2021-11-23 |
US20200051260A1 (en) | 2020-02-13 |
KR20210059712A (ko) | 2021-05-25 |
EP3834135A1 (en) | 2021-06-16 |
US20200051217A1 (en) | 2020-02-13 |
CN112703509A (zh) | 2021-04-23 |
US11995800B2 (en) | 2024-05-28 |
EP3834135A4 (en) | 2022-05-04 |
JP2021534520A (ja) | 2021-12-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7443366B2 (ja) | 画像強調のための人工知能技法 | |
US11704775B2 (en) | Bright spot removal using a neural network | |
Wei et al. | Physics-based noise modeling for extreme low-light photography | |
US11854167B2 (en) | Photographic underexposure correction using a neural network | |
US10708525B2 (en) | Systems and methods for processing low light images | |
Lee et al. | Image contrast enhancement using classified virtual exposure image fusion | |
CN118302788A (zh) | 从有噪原始图像进行高动态范围视图合成 | |
JP2017092898A (ja) | 撮像装置、撮像方法、およびプログラム | |
US20230120604A1 (en) | System and Method for Maximizing Inference Accuracy using Recaptured Datasets | |
EP4154171A1 (en) | Systems and methods of nonlinear image intensity transformation for denoising and low-precision image processing | |
CN112819699A (zh) | 视频处理方法、装置及电子设备 | |
US11983853B1 (en) | Techniques for generating training data for machine learning enabled image enhancement | |
US20170018062A1 (en) | Image processing devices and image processing methods | |
Hajisharif | Computational Photography: High Dynamic Range and Light Fields | |
Shaffa | A Region-based Histogram and Fusion Technique for Enhancing Backlit Images for Cell Phone Applications | |
Mann et al. | The Fundamental Basis of HDR: Comparametric Equations | |
KR20220013290A (ko) | 오토포커스를 보상하는 방법 및 오토포커스를 보상하는 전자 장치 | |
KR20240018569A (ko) | 이미지 캡처를 위한 노출 제어 | |
Luo et al. | Real-time look-up table-based color correction for still image stabilization of digital cameras without using frame memory |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A711 | Notification of change in applicant |
Free format text: JAPANESE INTERMEDIATE CODE: A711 Effective date: 20220617 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A821 Effective date: 20220617 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20220705 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230704 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20231003 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20240104 |
|
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: 20240123 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20240221 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7443366 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |