論文の概要: The Loop Game: Quality Assessment and Optimization for Low-Light Image
Enhancement
- arxiv url: http://arxiv.org/abs/2202.09738v1
- Date: Sun, 20 Feb 2022 06:20:06 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-25 12:17:26.615872
- Title: The Loop Game: Quality Assessment and Optimization for Low-Light Image
Enhancement
- Title(参考訳): ループゲーム:低光度画像強調のための品質評価と最適化
- Authors: Baoliang Chen, Lingyu Zhu, Hanwei Zhu, Wenhan Yang, Fangbo Lu, Shiqi
Wang
- Abstract要約: 低照度画像強調手法の設計と最適化は知覚品質によって完全に駆動される必要があるという認識がますます高まっている。
本稿では,低照度画像の高画質化が視覚的品質の向上にどのように最適化されるかを示すループ拡張フレームワークを提案する。
- 参考スコア(独自算出の注目度): 50.29722732653095
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: There is an increasing consensus that the design and optimization of low
light image enhancement methods need to be fully driven by perceptual quality.
With numerous approaches proposed to enhance low-light images, much less work
has been dedicated to quality assessment and quality optimization of low-light
enhancement. In this paper, to close the gap between enhancement and
assessment, we propose a loop enhancement framework that produces a clear
picture of how the enhancement of low-light images could be optimized towards
better visual quality. In particular, we create a large-scale database for
QUality assessment Of The Enhanced LOw-Light Image (QUOTE-LOL), which serves as
the foundation in studying and developing objective quality assessment
measures. The objective quality assessment measure plays a critical bridging
role between visual quality and enhancement and is further incorporated in the
optimization in learning the enhancement model towards perceptual optimally.
Finally, we iteratively perform the enhancement and optimization tasks,
enhancing the low-light images continuously. The superiority of the proposed
scheme is validated based on various low-light scenes. The database as well as
the code will be available.
- Abstract(参考訳): 低光度画像強調法の設計と最適化は知覚的品質によって完全に駆動される必要があるというコンセンサスが増えている。
低光度画像を強化するための多くのアプローチが提案されているため、低光度画像の品質評価と品質最適化に関する作業は少なくなっている。
本稿では,強調と評価のギャップを埋めるために,低照度画像の強調が視覚的品質の向上にどのように最適化できるかを明確にしたループ強調フレームワークを提案する。
特に,QUality Assessment of The Enhanced LOw-Light Image (QUOTE-LOL) を大規模に作成し,客観的品質評価尺度の研究・開発の基礎となる。
客観的品質評価尺度は、視覚品質と強調度との間に重要な橋渡しの役割を担い、知覚の最適化に向けた強調モデル学習の最適化にさらに組み込まれている。
最後に,強調タスクと最適化タスクを反復的に実行し,低照度画像を連続的に改善する。
提案手法の優位性は,様々な低照度シーンに基づいて検証される。
データベースとコードが利用可能になる。
関連論文リスト
- Unsupervised Image Prior via Prompt Learning and CLIP Semantic Guidance for Low-Light Image Enhancement [25.97198463881292]
本稿では,よりリッチな視覚言語CLIPを利用して,ゼロ参照低照度化手法を提案する。
提案手法はタスクベース性能に関する各種データセット間で一貫した改善をもたらすことを示す。
論文 参考訳(メタデータ) (2024-05-19T08:06:14Z) - 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) - ALL-E: Aesthetics-guided Low-light Image Enhancement [45.40896781156727]
我々は、新しいパラダイム、すなわち美学誘導低光画像強調(ALL-E)を提案する。
LLEに美的嗜好を導入し、美的報酬を伴う強化学習フレームワークでのトレーニングを動機付けている。
様々なベンチマークの結果は、最先端手法よりもall-Eの方が優れていることを示している。
論文 参考訳(メタデータ) (2023-04-28T03:34:10Z) - Gap-closing Matters: Perceptual Quality Evaluation and Optimization of Low-Light Image Enhancement [55.8106019031768]
低照度画像強調手法の最適化は、エンドユーザーが認識する視覚的品質によって導かれるべきであるという研究コミュニティの見解が高まりつつある。
主観的品質と客観的品質を体系的に評価するためのギャップ閉鎖フレームワークを提案する。
提案手法の有効性を,画質予測の精度と画像強調の知覚品質の両面から検証する。
論文 参考訳(メタデータ) (2023-02-22T15:57:03Z) - DEANet: Decomposition Enhancement and Adjustment Network for Low-Light
Image Enhancement [8.328470427768695]
本稿では,低照度画像強調のためのRetinexに基づくDEANetを提案する。
画像の周波数情報とコンテンツ情報を3つのサブネットワークに結合する。
我々のモデルは、すべての低照度画像に対して優れたロバストな結果が得られる。
論文 参考訳(メタデータ) (2022-09-14T03:01:55Z) - Enhancement by Your Aesthetic: An Intelligible Unsupervised Personalized
Enhancer for Low-Light Images [67.14410374622699]
低照度画像のための知能的教師なしパーソナライズ・エンハンサー(iUPEnhancer)を提案する。
提案したiUP-Enhancerは、これらの相関関係とそれに対応する教師なし損失関数のガイダンスを用いて訓練される。
実験により,提案アルゴリズムは競合的な質的,定量的な結果が得られることを示した。
論文 参考訳(メタデータ) (2022-07-15T07:16:10Z) - Controllable Image Enhancement [66.18525728881711]
いくつかのパラメータを制御して、複数のスタイルで高品質な画像を生成できる半自動画像強調アルゴリズムを提案する。
エンコーダ・デコーダフレームワークは、リタッチスキルを潜在コードにエンコードし、イメージ信号処理機能のパラメータにデコードする。
論文 参考訳(メタデータ) (2022-06-16T23:54:53Z) - Universal and Flexible Optical Aberration Correction Using Deep-Prior
Based Deconvolution [51.274657266928315]
そこで本研究では,収差画像とpsfマップを入力とし,レンズ固有深層プリエントを組み込んだ潜在高品質版を生成する,psf対応プラグイン・アンド・プレイ深層ネットワークを提案する。
具体的には、多彩なレンズの集合からベースモデルを事前訓練し、パラメータを迅速に精製して特定のレンズに適応させる。
論文 参考訳(メタデータ) (2021-04-07T12:00:38Z) - Low-Light Maritime Image Enhancement with Regularized Illumination
Optimization and Deep Noise Suppression [5.401654133604235]
本稿では,照明の正規化と雑音抑圧による低照度画像の高精細化を提案する。
人工海事画像と現実海事画像の総合的な実験を行い,提案手法と最先端画像との比較を行った。
論文 参考訳(メタデータ) (2020-08-09T17:05:23Z)
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。