論文の概要: LUT-GCE: Lookup Table Global Curve Estimation for Fast Low-light Image Enhancement

• arxiv url: http://arxiv.org/abs/2306.07083v2
• Date: Fri, 30 Jun 2023 15:33:45 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-03 14:51:55.605582
• Title: LUT-GCE: Lookup Table Global Curve Estimation for Fast Low-light Image Enhancement
• Title（参考訳）: LUT-GCE: 高速低照度画像強調のためのルックアップテーブルグローバル曲線推定
• Authors: Changguang Wu, Jiangxin Dong, Jinhui Tang
• Abstract要約: LUT-GCEという低照度画像強調のための効果的かつ効率的な手法を提案する。 画像全体に対する大域的な曲線を推定し、被曝と過剰露光の両方の補正を可能にする。 我々のアプローチは、特に高精細画像(例えば1080pと4k)において、推論速度の観点から、技術の現状よりも優れています。
• 参考スコア（独自算出の注目度）: 62.17015413594777
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an effective and efficient approach for low-light image enhancement, named Lookup Table Global Curve Estimation (LUT-GCE). In contrast to existing curve-based methods with pixel-wise adjustment, we propose to estimate a global curve for the entire image that allows corrections for both under- and over-exposure. Specifically, we develop a novel cubic curve formulation for light enhancement, which enables an image-adaptive and pixel-independent curve for the range adjustment of an image. We then propose a global curve estimation network (GCENet), a very light network with only 25.4k parameters. To further speed up the inference speed, a lookup table method is employed for fast retrieval. In addition, a novel histogram smoothness loss is designed to enable zero-shot learning, which is able to improve the contrast of the image and recover clearer details. Quantitative and qualitative results demonstrate the effectiveness of the proposed approach. Furthermore, our approach outperforms the state of the art in terms of inference speed, especially on high-definition images (e.g., 1080p and 4k).
• Abstract（参考訳）: 本稿では,Lookup Table Global Curve Estimation (LUT-GCE) という,低照度画像強調のための効果的かつ効率的な手法を提案する。 画素単位で調整した既存の曲線法とは対照的に,画像全体の大域的な曲線を推定し,アンダー・エクスプロイアとオーバー・エクスプロイアの両方の補正を可能にする。 具体的には、光強調のための新しい立方曲線定式化を開発し、画像のレンジ調整のための画像適応および画素非依存曲線を可能にする。 次に,25.4kのパラメータしか持たない超軽量ネットワークであるグローバル曲線推定ネットワーク(gcenet)を提案する。 推論速度をさらに高速化するために、高速な検索にルックアップテーブル法を用いる。 さらに、画像のコントラストを改善し、より鮮明な詳細を回復できるゼロショット学習を可能にするために、新しいヒストグラムの滑らかさ損失を設計する。 定量的および定性的な結果は,提案手法の有効性を示す。 さらに,提案手法は,特に高精細画像(例えば,1080p,4k)において,推論速度の観点から技術状況よりも優れる。

関連論文リスト

• Bootstrap Diffusion Model Curve Estimation for High Resolution Low-Light Image Enhancement [16.35696535606822]
  BDCEは、通常の光画像ではなく、曲線パラメータの分布の学習を利用する。 最先端の質的、定量的なパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2023-09-26T07:04:47Z)
• Low-Light Image Enhancement with Illumination-Aware Gamma Correction and Complete Image Modelling Network [69.96295927854042]
  低照度環境は通常、情報の少ない大規模な暗黒地帯に繋がる。 本稿では,ガンマ補正の有効性を深層ネットワークのモデリング能力と統合することを提案する。 指数関数演算は高い計算複雑性をもたらすので、Taylor Series を用いてガンマ補正を近似することを提案する。
  論文  参考訳（メタデータ） (2023-08-16T08:46:51Z)
• Self-Reference Deep Adaptive Curve Estimation for Low-Light Image Enhancement [7.253235412867934]
  自己参照深部適応曲線推定(Self-DACE)と呼ばれる2段階低照度画像強調手法を提案する。 最初の段階では、直感的で、軽量で、高速で、教師なしの輝度向上アルゴリズムを提示する。 また,自然画像の色,構造,忠実度を保存するために,物理モデルを単純化した新たな損失関数を提案する。
  論文  参考訳（メタデータ） (2023-08-16T07:57:35Z)
• CuDi: Curve Distillation for Efficient and Controllable Exposure Adjustment [86.97592472794724]
  そこで我々は, 対や不対のデータを必要とせず, 効率よくかつ制御可能な露光調整のためのCuDi曲線蒸留法を提案する。 提案手法は,ゼロ参照学習と曲線ベースのフレームワークを,実効的な低照度画像強調手法であるゼロDCEから継承する。 提案手法は, 高速で頑健でフレキシブルな性能に優れ, 実シーンにおける最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-07-28T17:53:46Z)
• Learning to Enhance Low-Light Image via Zero-Reference Deep Curve Estimation [91.93949787122818]
  深部ネットワークを用いた画像特異的曲線推定のタスクとして光強調を定式化するゼロ参照深部曲線推定(Zero-DCE)を提案する。 提案手法は,DCE-Netという軽量な深層ネットワークを訓練し,画像のダイナミックレンジ調整のための画素幅と高次曲線を推定する。 我々は、わずか10Kパラメータの小さなネットワークを利用するZero-DCE++と呼ばれる、加速された軽量バージョンのZero-DCEを紹介します。
  論文  参考訳（メタデータ） (2021-03-01T09:21:51Z)
• Flexible Piecewise Curves Estimation for Photo Enhancement [85.96031673336012]
  FlexiCurveは入力画像を取得し、大域曲線を推定して画像を調整します。 多様な推定と関連する信頼マップを生成するマルチタスクフレームワークとして定式化されている。 高速推論速度(NVIDIA 2080Ti GPUで83FPS)。
  論文  参考訳（メタデータ） (2020-10-26T08:16:25Z)
• Zero-Reference Deep Curve Estimation for Low-Light Image Enhancement [156.18634427704583]
  本稿では、深部ネットワークを用いた画像特異的曲線推定のタスクとして光強調を定式化するゼロ参照深部曲線推定法(Zero-DCE)を提案する。 提案手法は,DCE-Netという軽量な深層ネットワークをトレーニングし,画像のダイナミックレンジ調整のための画素幅と高次曲線を推定する。
  論文  参考訳（メタデータ） (2020-01-19T13:49:15Z)

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。