We propose a smart dimming sunglasses system for individuals with photophobia, especially those who are easily irritated by light intensity. The system uses a spatial light modulator (SLM) to selectively filter light entering the eye based on the scene detection of a camera. By controlling the transmittance of each pixel on the SLM using a modulation function, the proposed sunglasses enable an automated non-linear field of view dimming and also flexible light modulation that meets the photophobic user's visual requirements. Meanwhile, an occlusion mask created on the SLM, which possesses low transmittance to block the incoming light rays, appears blurred from the eye since the focal plane is not on the SLM and blocks the light stimulation insufficiently. To solve this problem, the aperture-based expanded mask has been used in past studies, however, the excessive large expansion ratio used in this approach leads to over-blocking (occlusion leak). In this work, we build an optimization model by simulating the defocused occlusion mask and determining the effective contribution of the degraded pixels based on the occlusion efficiency of the pixel transmittance. While the non-processed mask cannot provide sufficient occlusion and the aperture-based expanded mask causes occlusion leak, our optimized mask attenuates the intensely bright areas to a proper brightness without incorrectly attenuating surrounding areas that no need to modulation.


翻译:我们提出了一种针对光过敏症患者的智能调光太阳镜系统,特别是那些对光强度非常敏感并易受刺激的患者。该系统使用空间光调制器(SLM)根据相机的场景检测选择性地过滤进入眼睛的光线。通过使用调制函数来控制SLM上每个像素的透射率,该太阳镜能够实现自动非线性视野调暗和灵活的光调制,以满足光过敏症患者的视觉需求。同时,在 SLM 上创建一个遮挡掩模,具有低透射率来阻挡入射的光线,因为焦平面不在 SLM 上,遮挡物从眼睛看起来模糊。为解决这个问题,过去的研究中使用了基于孔径的扩展遮挡掩模,但是在这种方法中使用的过度大的扩展比会导致过度阻塞(遮挡泄漏)。在这项研究中,我们通过模拟失焦的遮挡掩模并根据像素透射率的遮挡效率确定退化像素的有效贡献来建立优化模型。虽然未经处理的掩模无法提供足够的遮挡,而孔径扩张的掩模会导致遮挡泄漏,但我们优化的掩模可以将强烈的亮区降低至适当的亮度,而不会错误地减弱周围不需要调制的区域。

0
下载
关闭预览

相关内容

【RecSys22教程】多阶段推荐系统的神经重排序,90页ppt
专知会员服务
25+阅读 · 2022年9月30日
专知会员服务
72+阅读 · 2021年5月28日
机器学习组合优化
专知会员服务
108+阅读 · 2021年2月16日
强化学习最新教程,17页pdf
专知会员服务
174+阅读 · 2019年10月11日
机器学习入门的经验与建议
专知会员服务
92+阅读 · 2019年10月10日
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【泡泡前沿追踪】跟踪SLAM前沿动态系列之IROS2018
泡泡机器人SLAM
29+阅读 · 2018年10月28日
【跟踪Tracking】15篇论文+代码 | 中秋快乐~
专知
18+阅读 · 2018年9月24日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Identity-aware Graph Neural Networks
Arxiv
14+阅读 · 2021年1月25日
VIP会员
相关资讯
强化学习三篇论文 避免遗忘等
CreateAMind
19+阅读 · 2019年5月24日
Hierarchically Structured Meta-learning
CreateAMind
26+阅读 · 2019年5月22日
深度自进化聚类:Deep Self-Evolution Clustering
我爱读PAMI
15+阅读 · 2019年4月13日
逆强化学习-学习人先验的动机
CreateAMind
15+阅读 · 2019年1月18日
【泡泡一分钟】基于运动估计的激光雷达和相机标定方法
泡泡机器人SLAM
25+阅读 · 2019年1月17日
Unsupervised Learning via Meta-Learning
CreateAMind
42+阅读 · 2019年1月3日
【泡泡前沿追踪】跟踪SLAM前沿动态系列之IROS2018
泡泡机器人SLAM
29+阅读 · 2018年10月28日
【跟踪Tracking】15篇论文+代码 | 中秋快乐~
专知
18+阅读 · 2018年9月24日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
Top
微信扫码咨询专知VIP会员