本文最初发布于Ubicept官网,经授权转载。
我们带来了又一项技术演示!此前,我们探讨了Ubicept Photon Fusion(UPF)如何提升高帧率CMOS图像质量,以及这些改进如何转化为AR/VR应用中更优质的下游感知能力。
自那以后,我们与多家对该技术感兴趣的汽车企业展开了合作。这些企业充分认识到下一代SPAD传感器的潜力,同时也希望了解我们能否在其现有的当代CMOS传感器基础上进一步提升性能。
相关项目的结果颇为亮眼,但由于涉及保密客户项目,我们无法在此公开。因此,我们决定自行采集一些演示素材。
本次测试采用了搭载索尼Pregius S传感器的Allied Vision Alvium 1800 U-510c相机。该设备兼具高灵敏度、全局快门、高帧率以及便捷的原始传感器数据访问能力——这些特性对于Ubicept Photon Fusion的处理流程至关重要。
首先,我们将传统1/30秒曝光效果与UPF处理结果进行对比:
1/30秒曝光(上)与UPF处理结果(下)
我们还对画面中的标志牌进行了局部放大,以观察不同曝光时间下的成像变化:
1/30秒(左上)、1/15秒(右上)、1/120秒(左下)、UPF处理结果(右下)
前三张图片清晰呈现了经典的噪点与模糊之间的权衡关系:将曝光时间延长至1/15秒可有效降低噪点,但会加剧运动模糊;缩短至1/120秒虽能减少运动模糊,却会导致噪点明显增加。而Ubicept Photon Fusion通过对一组短曝光连拍帧进行重建合成,在保留1/120秒曝光锐度的同时,大幅降低了噪点水平。
当然,传统CMOS传感器的性能提升空间仍存在一定上限。若要在更极端条件下抑制运动模糊,则需要进一步缩短曝光时间,而这将使读出噪声逐渐主导采集信号,最终难以维持有效成像质量。
这正是SPAD传感器在此类应用中极具吸引力的原因之一——SPAD传感器不受读出噪声影响。尽管如此,上述示例已充分表明,基于现有CMOS传感器,低光照条件下的车载成像性能仍有相当大的提升空间。
完整演示视频可点击观看。
如需对比细节,请参阅以下额外静态帧图片:
1/30秒曝光(上)与UPF处理结果(下)
1/30秒曝光(上)与UPF处理结果(下)
1/30秒曝光(上)与UPF处理结果(下)
1/30秒曝光(上)与UPF处理结果(下)
1/30秒曝光(上)与UPF处理结果(下)
最后值得一提的是:细心的读者可能会认出这些道路场景——它们曾出现在我们此前发布的《利用Ubicept突破HDR极限》一文中。由于两次拍摄相隔数月,难以进行直接对比,但读者不妨参阅该文,将针对Ubicept Photon Fusion优化的低光照CMOS相机(即本文)与搭载传感器内HDR的现代行车记录仪及运行Ubicept Photon Fusion的完整SPAD成像系统(彼文)进行横向对照。
如需了解Ubicept Photon Fusion如何为您的应用场景带来价值,欢迎访问Ubicept工具包,目前已全面支持CMOS与SPAD两类相机。
Q&A
Q1:Ubicept Photon Fusion(UPF)是什么技术?它如何改善夜间成像?
A:Ubicept Photon Fusion是由Ubicept开发的一种图像处理技术,能够从一组短曝光连拍帧中重建出单帧高质量图像。在夜间或低光照场景下,它可以在保留短曝光带来的运动锐度的同时,大幅降低图像噪点,从而突破传统CMOS传感器在噪点与运动模糊之间的两难困境。
Q2:CMOS传感器和SPAD传感器在低光照成像方面有什么区别?
A:传统CMOS传感器存在读出噪声问题,在极短曝光时间下,读出噪声会主导采集信号,导致画质严重下降。而SPAD传感器不受读出噪声影响,因此在极低光照或需要极短曝光的场景中具有明显优势。不过,通过Ubicept Photon Fusion技术,现有CMOS传感器在低光照成像方面仍有相当大的性能提升空间。
Q3:Ubicept Photon Fusion目前支持哪些类型的相机?
A:目前,Ubicept Photon Fusion已通过Ubicept工具包向用户开放,同时支持CMOS和SPAD两类相机,用户可根据自身应用场景选择合适的方案进行集成与测试。
好文章,需要你的鼓励
这项联合研究提出了COVER方法和CM-EVS数据集,用贪心算法从3D场景中智能筛选全景视角,每场景仅需25帧即可完整覆盖室内场景,并附完整溯源日志。
英国NHS十年计划围绕三大核心支柱推进医疗体系变革,其中"从模拟到数字"是重要方向。计划旨在整合先进技术,推动AI、机器人、远程医疗等创新应用,并通过NHS应用程序构建"健康商店"平台。然而,数字化转型面临系统碎片化、基础设施老化等挑战。专家指出,数字健康研发须借鉴药物研发的严格标准,建立统一治理框架,确保创新工具能安全、规模化地融入医疗体系。
HolderPO通过引入可调参数p的霍尔德均值替代固定的算术平均,解决了大模型推理训练中信号放大与稳定性之间的根本矛盾,配合动态退火策略在数学推理和代理任务上均创造了新的最优记录。