論文の概要: Learning to Adapt to Light

• arxiv url: http://arxiv.org/abs/2202.08098v1
• Date: Wed, 16 Feb 2022 14:36:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-17 15:15:24.560204
• Title: Learning to Adapt to Light
• Title（参考訳）: 光への適応を学ぶ
• Authors: Kai-Fu Yang, Cheng Cheng, Shi-Xuan Zhao, Xian-Shi Zhang, Yong-Jie Li
• Abstract要約: LAネットワーク(LA-Net)を用いた光関連画像強調処理のための生物学的に着想を得た手法を提案する。 新しいモジュールは生物学的な視覚適応にインスパイアされ、低周波経路における統一的な光適応を実現する。 低照度向上, 露光補正, トーンマッピングという3つの課題の実験により, 提案手法がほぼ最先端の性能を得ることを示した。
• 参考スコア（独自算出の注目度）: 14.919947487248653
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Light adaptation or brightness correction is a key step in improving the contrast and visual appeal of an image. There are multiple light-related tasks (for example, low-light enhancement and exposure correction) and previous studies have mainly investigated these tasks individually. However, it is interesting to consider whether these light-related tasks can be executed by a unified model, especially considering that our visual system adapts to external light in such way. In this study, we propose a biologically inspired method to handle light-related image-enhancement tasks with a unified network (called LA-Net). First, a frequency-based decomposition module is designed to decouple the common and characteristic sub-problems of light-related tasks into two pathways. Then, a new module is built inspired by biological visual adaptation to achieve unified light adaptation in the low-frequency pathway. In addition, noise suppression or detail enhancement is achieved effectively in the high-frequency pathway regardless of the light levels. Extensive experiments on three tasks -- low-light enhancement, exposure correction, and tone mapping -- demonstrate that the proposed method almost obtains state-of-the-art performance compared with recent methods designed for these individual tasks.
• Abstract（参考訳）: 光適応または明るさ補正は、画像のコントラストと視覚的魅力を改善するための重要なステップである。 複数の光関連タスク(例えば、低光度強調と露光補正)があり、以前の研究は主にこれらのタスクを個別に研究している。 しかし,視覚系が外部光に適応することを考えると,これらの光関連タスクが統一モデルで実行可能であるかどうかを考えることは興味深い。 本研究では,光関連画像強調タスクを統合ネットワーク(LA-Net)で処理する生物学的に着想を得た手法を提案する。 まず、周波数ベースの分解モジュールは、光関連タスクの共通および特徴的なサブプロームを2つの経路に分割するように設計されている。 次に、低周波経路における統一光適応を実現するために、生物学的視覚適応にインスパイアされた新しいモジュールを構築する。 また、光レベルに関係なく高周波経路においてノイズ抑制やディテールエンハンスが効果的に実現される。 低照度向上, 露光補正, トーンマッピングの3つの課題に対する広範囲な実験により, 提案手法は, これらの課題に対して設計された手法と比較して, ほぼ最先端の性能が得られることを示した。

関連論文リスト

• CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
  低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。 既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。 我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:34:39Z)
• A Non-Uniform Low-Light Image Enhancement Method with Multi-Scale Attention Transformer and Luminance Consistency Loss [11.585269110131659]
  低照度画像強調は、薄暗い環境で収集された画像の知覚を改善することを目的としている。 既存の方法では、識別された輝度情報を適応的に抽出することができず、露光過多や露光過多を容易に引き起こすことができる。 MSATrというマルチスケールアテンション変換器を提案し,光バランスの局所的・グローバル的特徴を十分に抽出し,視覚的品質を向上させる。
  論文  参考訳（メタデータ） (2023-12-27T10:07:11Z)
• Joint Correcting and Refinement for Balanced Low-Light Image Enhancement [26.399356992450763]
  より効果的に明るさ、色、照明のバランスをとることができる新しい構造が提案されている。 JCRNet(Joint Correcting and Refinement Network)は主に、明るさ、色、照明の輝度のバランスをとるための3つのステージで構成されている。
  論文  参考訳（メタデータ） (2023-09-28T03:16:45Z)
• Diving into Darkness: A Dual-Modulated Framework for High-Fidelity Super-Resolution in Ultra-Dark Environments [51.58771256128329]
  本稿では,低照度超解像課題の性質を深く理解しようとする,特殊二変調学習フレームワークを提案する。 Illuminance-Semantic Dual Modulation (ISDM) コンポーネントを開発した。 包括的実験は、我々のアプローチが多様で挑戦的な超低照度条件に適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-09-11T06:55:32Z)
• Simplifying Low-Light Image Enhancement Networks with Relative Loss Functions [14.63586364951471]
  FLW-Net(Fast and LightWeight Network)と2つの相対損失関数を導入し,低照度画像強調における学習を容易にする。 我々はまず、グローバルコントラストを得るための大きな受容領域の必要性の課題を認識した。 そこで我々は,これらの課題を克服するために,相対情報に基づく効率的なグローバル特徴情報抽出コンポーネントと2つの損失関数を提案する。
  論文  参考訳（メタデータ） (2023-04-06T10:05:54Z)
• Learning with Nested Scene Modeling and Cooperative Architecture Search for Low-Light Vision [95.45256938467237]
  低照度シーンから撮影された画像は、しばしば深刻な劣化に悩まされる。 低照度画像の視覚的品質を高めるために深層学習法が提案されている。 他の低照度ビジョンアプリケーションを扱うために、これらの拡張テクニックを拡張することは依然として困難である。
  論文  参考訳（メタデータ） (2021-12-09T06:08:31Z)
• Progressive Joint Low-light Enhancement and Noise Removal for Raw Images [10.778200442212334]
  モバイル機器の低照度撮像は、比較的小さな開口部を通過する入射光が不足しているため、通常困難である。 そこで我々は,共同照明調整,色強調,遮音を行う低照度画像処理フレームワークを提案する。 我々のフレームワークは、他のカメラモデルに適応する際に、大量のデータを再構成する必要はない。
  論文  参考訳（メタデータ） (2021-06-28T16:43:52Z)
• Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
  2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。 カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。 LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
  論文  参考訳（メタデータ） (2021-03-19T04:00:27Z)
• Deep Bilateral Retinex for Low-Light Image Enhancement [96.15991198417552]
  低照度画像は、低コントラスト、色歪み、測定ノイズによる視界の低下に悩まされる。 本稿では,低照度画像強調のための深層学習手法を提案する。 提案手法は最先端の手法と非常に競合し, 極めて低照度で撮影した画像の処理において, 他に比べて大きな優位性を有する。
  論文  参考訳（メタデータ） (2020-07-04T06:26:44Z)
• Unsupervised Low-light Image Enhancement with Decoupled Networks [103.74355338972123]
  我々は、実世界の低照度画像を教師なしで拡張する2段階のGANベースのフレームワークを学習する。 提案手法は,照度向上と雑音低減の両面から,最先端の教師なし画像強調法より優れる。
  論文  参考訳（メタデータ） (2020-05-06T13:37:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。