Practical Scene Illuminant Estimation via Flash/No-Flash Pairs
Notice bibliographique
Résumé
In this paper, we present a method to estimate ambient illuminants using no-flash/flash image pairs. Accurate estimation of the ambient illuminant is useful for imaging applications. In most applications, however, this task is difficult because of the complicated combination of illuminants, surfaces, and camera characteristics during the imaging process. To estimate the scene illumination, a version of the “illuminating illumination” method suggested by Dicarlo et al. is used. The method introduces camera flash light into the scene, and the reflected light is used to estimate the ambient illuminant. The original method needs an extra step of estimating the object surface reflectance, using a 3-dimensional linear surface model and the knowledge of the spectral responsivities of camera sensors. Here we consider the problem of estimating the ambient illuminant directly, with only flash/no-flash pairs, without information on surface reflectance and camera sensors. First, the flash image is registered with the no-flash image: the difference between the two gives a pure-flash image, as if it were taken under flash only. The no-flash and pure-flash images are represented by a physically-based model of image formation which uses assumptions of Lambertian surfaces, Planckian lights, and narrowband camera sensors. We argue that first going to a “spectrally sharpened” color space, and then projecting the difference in a log domain of the pure-flash image and the no-flash image into a geometric-mean chromaticity space, gives the chromaticity of the ambient illuminant. We verify that the chromaticities corresponding to illuminants with different temperatures fall along a line on a plane in the log geometric-mean chromaticity space. Simply by taking the nearest color temperature along this illuminant line, or classifying into one of potential illuminants, our algorithm arrives at an estimate of the illuminant.Remarkably, our algorithm is truly practical as it can estimate the color of the ambient light even without any prior knowledge about surface reflectance, flash light, or camera sensors. Experiments on real images demonstrate that estimation accuracy can be very good.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».