論文の概要: Embedding Fourier for Ultra-High-Definition Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2302.11831v1
- Date: Thu, 23 Feb 2023 07:43:41 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-24 16:01:40.234989
- Title: Embedding Fourier for Ultra-High-Definition Low-Light Image Enhancement
- Title（参考訳）: 超高精細低光度画像強調のための埋め込みフーリエ
- Authors: Chongyi Li and Chun-Le Guo and Man Zhou and Zhexin Liang and Shangchen
Zhou and Ruicheng Feng and Chen Change Loy
- Abstract要約: UHD(Ultra-High-Definition)写真は、高度な撮像装置の標準構成となっている。
本稿では,Fourier変換をカスケードネットワークに組み込む新しいソリューションUHDFourを提案する。
また,2,150個の低雑音/正規クラー4K画像ペアを含むUHD LLIEデータセットである textbfUHD-LL をコントリビュートした。
- 参考スコア（独自算出の注目度）: 78.67036949708795
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Ultra-High-Definition (UHD) photo has gradually become the standard
configuration in advanced imaging devices. The new standard unveils many issues
in existing approaches for low-light image enhancement (LLIE), especially in
dealing with the intricate issue of joint luminance enhancement and noise
removal while remaining efficient. Unlike existing methods that address the
problem in the spatial domain, we propose a new solution, UHDFour, that embeds
Fourier transform into a cascaded network. Our approach is motivated by a few
unique characteristics in the Fourier domain: 1) most luminance information
concentrates on amplitudes while noise is closely related to phases, and 2) a
high-resolution image and its low-resolution version share similar amplitude
patterns.Through embedding Fourier into our network, the amplitude and phase of
a low-light image are separately processed to avoid amplifying noise when
enhancing luminance. Besides, UHDFour is scalable to UHD images by implementing
amplitude and phase enhancement under the low-resolution regime and then
adjusting the high-resolution scale with few computations. We also contribute
the first real UHD LLIE dataset, \textbf{UHD-LL}, that contains 2,150
low-noise/normal-clear 4K image pairs with diverse darkness and noise levels
captured in different scenarios. With this dataset, we systematically analyze
the performance of existing LLIE methods for processing UHD images and
demonstrate the advantage of our solution. We believe our new framework,
coupled with the dataset, would push the frontier of LLIE towards UHD. The code
and dataset are available at https://li-chongyi.github.io/UHDFour.
- Abstract（参考訳）: UHD(Ultra-High-Definition)写真は、高度な撮像装置の標準構成となっている。
この新規格は、低照度画像強調(LLIE)の既存のアプローチ、特に高効率を維持しながら、関節輝度向上とノイズ除去の複雑な問題に対処するための多くの課題を公表している。
空間領域における問題に対処する既存の手法とは異なり、フーリエ変換をカスケードネットワークに組み込む新しい解である uhdfour を提案する。
私たちのアプローチは、フーリエ領域におけるいくつかのユニークな特徴によって動機付けられています。
1)ほとんどの輝度情報は振幅に集中し,ノイズは位相と密接に関連している。
2)高分解能画像とその低解像度バージョンは、類似の振幅パターンを共有しており、フーリエをネットワークに埋め込むことにより、低光画像の振幅と位相を別々に処理し、輝度向上時のノイズの増幅を回避する。
さらに、UHDFourは、低解像度の条件下で振幅と位相拡張を実装し、少ない計算で高解像度のスケールを調整することで、UHD画像にスケーラブルである。
このデータセットには、2,150個の低ノイズ/通常の4k画像ペアが含まれており、異なるシナリオでキャプチャされた様々な暗黒とノイズレベルを持つ。
本データセットでは,UHD画像処理のための既存のLLIE手法の性能を系統的に解析し,その利点を実証する。
当社の新しいフレームワークは、データセットと組み合わせることで、llieのフロンティアをuhdへと押し上げると思います。
コードとデータセットはhttps://li-chongyi.github.io/UHDFour.orgで公開されている。
関連論文リスト
- Dropout the High-rate Downsampling: A Novel Design Paradigm for UHD Image Restoration [11.866565346920781]
D2NetはUHD(Ultra-high-definition)画像の完全な推測を可能にする。
本モデルは,最先端手法よりも定量的,定性的な結果が得られることを示す。
論文 参考訳（メタデータ） (2024-11-10T13:05:36Z) - Wave-Mamba: Wavelet State Space Model for Ultra-High-Definition Low-Light Image Enhancement [7.891750065129094]
ウェーブレット領域から導出される2つの重要な洞察に基づく新しいアプローチであるWave-Mambaを提案する。
提案手法は優れた性能を示し, 従来の先行技術を大きく上回っている。
論文 参考訳（メタデータ） (2024-08-02T14:01:34Z) - Towards Ultra-High-Definition Image Deraining: A Benchmark and An Efficient Method [42.331058889312466]
本稿では,4K解像度で13,000枚の画像対を含む4K-Rain13kの大規模UHD画像デライニングデータセットについて述べる。
我々は,この課題をより効果的かつ効率的な視覚ベースアーキテクチャ (UDR-Mixer) を開発した。
論文 参考訳（メタデータ） (2024-05-27T11:45:08Z) - Spatial-frequency Dual-Domain Feature Fusion Network for Low-Light Remote Sensing Image Enhancement [49.15531684596958]
低照度リモートセンシング画像強調のためのDFFN(Dual-Domain Feature Fusion Network)を提案する。
第1フェーズは振幅情報を学習して画像輝度を復元し、第2フェーズは位相情報を学習して詳細を洗練させる。
我々は、現在の暗光リモートセンシング画像強調におけるデータセットの欠如に対応するために、2つの暗光リモートセンシングデータセットを構築した。
論文 参考訳（メタデータ） (2024-04-26T13:21:31Z) - You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。
水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。
輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
論文 参考訳（メタデータ） (2024-02-08T16:47:43Z) - FourLLIE: Boosting Low-Light Image Enhancement by Fourier Frequency
Information [19.478293277978935]
2段階フーリエ型低光画像強調(LLIE)ネットワーク(FourLLIE)を提案する。
第1段階では、フーリエ空間の振幅変換マップを推定することにより、低照度画像の明るさを改善する。
第2段階では、グローバルフーリエ周波数と局所空間情報を統合するための事前情報を提供するために、SNR(Signal-to-Noise-Ratio)マップを導入する。
論文 参考訳（メタデータ） (2023-08-06T06:14:14Z) - Ultra-High-Definition Low-Light Image Enhancement: A Benchmark and
Transformer-Based Method [51.30748775681917]
低照度画像強調(LLIE)の課題を考察し,4K解像度と8K解像度の画像からなる大規模データベースを導入する。
我々は、系統的なベンチマーク研究を行い、現在のLLIEアルゴリズムと比較する。
第2のコントリビューションとして,変換器をベースとした低照度化手法であるLLFormerを紹介する。
論文 参考訳（メタデータ） (2022-12-22T09:05:07Z) - Seeing Through The Noisy Dark: Toward Real-world Low-Light Image
Enhancement and Denoising [125.56062454927755]
現実の低照度環境は通常、光やハードウェアの限界が不足しているため、視界が低く、騒音が重い。
我々は、RLED-Net(Real-world Low-light Enhancement & Denoising Network)と呼ばれる新しいエンドツーエンド手法を提案する。
論文 参考訳（メタデータ） (2022-10-02T14:57:23Z) - CERL: A Unified Optimization Framework for Light Enhancement with
Realistic Noise [81.47026986488638]
現実世界で撮影された低照度画像は、センサーノイズによって必然的に破損する。
既存の光強調法は、拡張中の現実世界のノイズの重要な影響を見落としているか、ノイズ除去を別の前処理または後処理のステップとして扱うかのどちらかである。
実世界の低照度雑音画像(CERL)のコーディネート・エンハンスメントを行い,光強調部と雑音抑制部を一体化・物理接地したフレームワークにシームレスに統合する。
論文 参考訳（メタデータ） (2021-08-01T15:31:15Z)
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。