論文の概要: NAI$_2$: Learning Noise-Aware Illuminance-Interpolator for Unsupervised
Low-Light Image Enhancement
- arxiv url: http://arxiv.org/abs/2305.10223v2
- Date: Wed, 27 Sep 2023 11:28:28 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-28 19:19:46.086026
- Title: NAI$_2$: Learning Noise-Aware Illuminance-Interpolator for Unsupervised
Low-Light Image Enhancement
- Title(参考訳): 教師なし低光度画像強調のための学習ノイズ認識illuminance-interpolator
- Authors: Xiaofeng Liu, Jiaxin Gao, Risheng Liu, Xin Fan
- Abstract要約: 低照度の状況は、消費者写真における美的品質の追求を厳しく制限する。
照明補償の本質的な物理原理を探求する方法は無視されている。
本稿では, シンプルで効率的なノイズ対応イルミネーション補間器を提案する。
- 参考スコア(独自算出の注目度): 60.16518200243248
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-light situations severely restrict the pursuit of aesthetic quality in
consumer photography. Although many efforts are devoted to designing
heuristics, it is generally mired in a shallow spiral of tedium, such as piling
up complex network architectures and empirical strategies. How to delve into
the essential physical principles of illumination compensation has been
neglected. Following the way of simplifying the complexity, this paper
innovatively proposes a simple and efficient Noise-Aware Illumination
Interpolator (NAI$_2$). According to the constraint principle of illuminance
and reflectance within a limited dynamic range, as a prior knowledge in the
recovery process, we construct a learnable illuminance interpolator and thereby
compensating for non-uniform lighting. With the intention of adapting denoising
without annotated data, we design a self-calibrated denoiser with the intrinsic
image properties to acquire noiseless low-light images. Starting from the
properties of natural image manifolds, a self-regularized recovery loss is
introduced as a way to encourage more natural and realistic reflectance map.
The model architecture and training losses, guided by prior knowledge,
complement and benefit each other, forming a powerful unsupervised leaning
framework. Comprehensive experiments demonstrate that the proposed algorithm
produces competitive qualitative and quantitative results while maintaining
favorable generalization capability in unknown real-world scenarios.
The code will be available online upon publication of the paper.
- Abstract(参考訳): 低照度の状況は、消費者写真における美的品質の追求を厳しく制限する。
多くの努力はヒューリスティックスの設計に費やされているが、一般には複雑なネットワークアーキテクチャや経験的戦略を積み重ねるなど、テジウムの浅い渦巻きに陥る。
照明補償の本質的な物理原理をいかに掘り下げるかは無視されている。
本論文は, 複雑さを単純化する手法に倣って, シンプルで効率的なノイズ認識イルミネーション補間器(NAI$_2$)を提案する。
限られたダイナミックレンジにおける照度と反射率の制約原理に基づき、回復過程における先行知識として、学習可能な照度補間器を構築し、非均一照明の補償を行う。
そこで,アノテートデータ無しでデノエーションを適応させるため,ノイズのない低光度画像を得るため,内在的な画像特性を持つ自己キャリケートされたデノイーザを設計した。
自然画像多様体の性質から始まり、より自然で現実的な反射率マップを促進する方法として自己正規化回復損失が導入された。
モデルアーキテクチャとトレーニングの損失は、事前の知識によって導かれ、相互に補完し、利益をもたらし、教師なしの強力なフレームワークを形成します。
包括的実験により,提案アルゴリズムは未知の実世界のシナリオにおいて良好な一般化能力を保ちながら,競争的な質的,定量的な結果が得られることを示した。
コードは論文の発行時にオンラインで入手できる。
関連論文リスト
- Zero-Shot Enhancement of Low-Light Image Based on Retinex Decomposition [4.175396687130961]
本稿ではZERRINNetと呼ばれるゼロショット低照度化手法の学習に基づくRetinex分解を提案する。
本手法は,ペアとアンペアのデータセットのトレーニングデータの影響を受けないゼロ参照拡張手法である。
論文 参考訳(メタデータ) (2023-11-06T09:57:48Z) - TensoIR: Tensorial Inverse Rendering [53.51211939277516]
テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。
TensoRFは、放射場モデリングのための最先端のアプローチである。
論文 参考訳(メタデータ) (2023-04-24T21:39:13Z) - NeIF: Representing General Reflectance as Neural Intrinsics Fields for
Uncalibrated Photometric Stereo [70.71400320657035]
非平衡測光ステレオ(UPS)は、未知の光によってもたらされる固有の曖昧さのために困難である。
本稿では,光の手がかりと光推定との暗黙の関係を確立し,教師なしの方法でUPSを解く。
論文 参考訳(メタデータ) (2022-08-18T15:11:24Z) - Toward Fast, Flexible, and Robust Low-Light Image Enhancement [87.27326390675155]
我々は、現実の低照度シナリオにおいて、高速でフレキシブルで頑健な鮮明化のための新しい自己校正イルミネーション(SCI)学習フレームワークを開発した。
カスケードパターンの計算負担を考慮すると、各ステージの結果の収束を実現する自己校正モジュールを構築する。
我々は,SCI固有の特性について,操作不感適応性やモデル非関係の一般性を含む包括的探索を行う。
論文 参考訳(メタデータ) (2022-04-21T14:40:32Z) - Semi-supervised atmospheric component learning in low-light image
problem [0.0]
環境照明条件は、写真装置から画像の知覚的品質を決定する上で重要な役割を担っている。
本研究では,低照度画像復元のための非参照画像品質指標を用いた半教師付きトレーニング手法を提案する。
論文 参考訳(メタデータ) (2022-04-15T17:06:33Z) - Unsupervised Low-Light Image Enhancement via Histogram Equalization
Prior [40.61944814314655]
HEP (Equalization prior) と呼ばれる実効的事前ヒストグラムに基づく教師なし低照度画像強調手法を提案する。
反射率マップのノイズと内容を、未確認クリーンな画像の信頼性のある助けを借りてアンタングルするノイズ・ディアンタングメント・モジュール(NDM)を導入する。
本手法は、最先端の教師なし低照度化アルゴリズムに対して好適に動作し、最先端の教師付きアルゴリズムに適合する。
論文 参考訳(メタデータ) (2021-12-03T07:51:08Z) - 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。