論文の概要: Diffusion Model Based Low-Light Image Enhancement for Space Satellite
- arxiv url: http://arxiv.org/abs/2306.14227v1
- Date: Sun, 25 Jun 2023 12:15:44 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-27 16:02:22.855683
- Title: Diffusion Model Based Low-Light Image Enhancement for Space Satellite
- Title（参考訳）: 拡散モデルに基づく宇宙衛星の低照度画像強調
- Authors: Yiman Zhu, Lu Wang, Jingyi Yuan and Yu Guo
- Abstract要約: 空間型可視カメラは、近接操作時の空間状況認識のための重要なセンサである。
ディープラーニングのアプローチは、自然画像の画質向上において顕著な成功を収めてきたが、データボトルネックのため、宇宙にはほとんど適用されない。
拡散モデルに基づく空間環境におけるスピンターゲットの低照度画像強調(LLIE)のためのデータ駆動手法を提案する。
- 参考スコア（独自算出の注目度）: 7.012255171272397
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Space-based visible camera is an important sensor for space situation
awareness during proximity operations. However, visible camera can be easily
affected by the low illumination in the space environment. Recently, deep
learning approaches have achieved remarkable success in image enhancement of
natural images datasets, but seldom applied in space due to the data
bottleneck. In this article, we propose a data-driven method for low-light
image enhancement (LLIE) of spin targets in space environment based on
diffusion model. Firstly, a dataset collection scheme is devised. To reduce the
domain gap and improve the diversity and quality of the dataset, we collect the
data with the camera on a ground-test system imitating the low lighting
conditions and relative attitude change of satellite in space. The satellite
motion is controlled by a 6-DoF robot. To generate different poses, a advanced
sampling method is combined with collision detection in physical simulation.
The entire process is automated. Based on our dataset, a novel diffusion model
is proposed. The diffusion and denoising process are directly conducted on the
grayscale channel to save computational resources. To take advantage of the
inner information of RGB channels, we rescale the RGB feature maps and insert
them into the downsampling layers to help feature extraction. The enhanced
results with our method have been verified to be better in image light
enhancement and competitive in image quality compared with previous methods. To
the best of our knowledge, this is the first work of LLIE using diffusion
model.
- Abstract（参考訳）: 空間型可視カメラは、近接操作時の空間状況認識のための重要なセンサである。
しかし、可視カメラは宇宙環境の低照度化によって容易に影響を受ける。
近年,自然画像データセットの画像エンハンスメントにおいて,ディープラーニングのアプローチが目覚ましい成功を収めているが,データボトルネックのため空間に適用されることはほとんどない。
本稿では,拡散モデルに基づく空間環境におけるスピンターゲットの低照度画像強調(LLIE)のためのデータ駆動手法を提案する。
まず、データセット収集方式を考案する。
エリアギャップを低減し、データセットの多様性と品質を向上させるため、低照度条件と宇宙における衛星の相対的姿勢変化を模倣した地上試験システム上で、カメラによるデータを収集する。
衛星の動きは6-DoFロボットによって制御される。
異なるポーズを生成するために、物理シミュレーションにおいて高度なサンプリング法と衝突検出を併用する。
プロセス全体が自動化されます。
本データセットに基づいて,新しい拡散モデルを提案する。
拡散と分別処理はgrayscaleチャネル上で直接行われ、計算資源を節約する。
RGBチャネルの内部情報を活用するために、RGB機能マップを再スケールし、それらをダウンサンプリング層に挿入して特徴抽出を支援する。
提案手法では, 従来手法と比較して, 画像光の強調や画質の競争性が向上することが確認された。
我々の知る限りでは、これは拡散モデルを用いたLLIEの最初の作品である。
関連論文リスト
- bit2bit: 1-bit quanta video reconstruction via self-supervised photon prediction [57.199618102578576]
疎二分量時間画像データから高画質の画像スタックを元の解像度で再構成する新しい方法であるbit2bitを提案する。
Poisson denoisingの最近の研究に触発されて、スパースバイナリ光子データから高密度な画像列を生成するアルゴリズムを開発した。
本研究では,様々な課題の画像条件下でのSPADの高速映像を多種多種に含む新しいデータセットを提案する。
論文 参考訳（メタデータ） (2024-10-30T17:30:35Z) - Towards Robust Event-guided Low-Light Image Enhancement: A Large-Scale Real-World Event-Image Dataset and Novel Approach [7.974102031202597]
そこで本研究では,低照度および常照度条件下での30万組以上の画像とイベントからなる実世界(屋内および屋外)データセットを提案する。
このデータセットに基づいて、実世界の低照度シーンにおけるロバストなパフォーマンスを実現するために、EvLightと呼ばれるイベント誘導型LIEアプローチを提案する。
論文 参考訳（メタデータ） (2024-04-01T00:18:17Z) - Boosting Object Detection with Zero-Shot Day-Night Domain Adaptation [33.142262765252795]
精巧なデータで訓練された検出器は、可視性が低いため、低照度データに対して顕著な性能低下を示す。
我々は、ゼロショット昼夜領域適応による低照度物体検出の高速化を提案する。
本手法は,低照度データを必要とすることなく,高照度シナリオから低照度シナリオへの検出器の一般化を行う。
論文 参考訳（メタデータ） (2023-12-02T20:11:48Z) - LDM-ISP: Enhancing Neural ISP for Low Light with Latent Diffusion Models [54.93010869546011]
本稿では,事前学習した潜伏拡散モデルを用いて,超低照度画像の高精細化のためのニューラルISPを実現することを提案する。
具体的には、RAWドメイン上で動作するために事前訓練された潜在拡散モデルを調整するために、軽量なテーミングモジュールのセットをトレーニングする。
遅延拡散モデルにおけるUNet復調と復号化の異なる役割を観察し、低照度画像強調タスクを遅延空間低周波コンテンツ生成と復号位相高周波ディテール保守に分解するきっかけとなる。
論文 参考訳（メタデータ） (2023-12-02T04:31:51Z) - Space Debris: Are Deep Learning-based Image Enhancements part of the
Solution? [9.117415383776695]
現在地球を周回している宇宙ゴミの量は、加速ペースで持続不可能なレベルに達している。
軌道定義された、登録された宇宙船と、ローグ/非活動的な宇宙物体の検知、追跡、識別、識別は、資産保護に不可欠である。
本研究の主な目的は、可視光スペクトルの単眼カメラで捉えた際の限界や画像アーチファクトを克服するために、ディープニューラルネットワーク(DNN)ソリューションの有効性を検討することである。
論文 参考訳（メタデータ） (2023-08-01T09:38:41Z) - 6D Camera Relocalization in Visually Ambiguous Extreme Environments [79.68352435957266]
本研究では,深海や地球外地形などの極端な環境下で得られた画像の列から,カメラのポーズを確実に推定する手法を提案する。
本手法は,室内ベンチマーク (7-Scenes データセット) における最先端手法と同等の性能を20%のトレーニングデータで達成する。
論文 参考訳（メタデータ） (2022-07-13T16:40:02Z) - Spatially-Varying Outdoor Lighting Estimation from Intrinsics [66.04683041837784]
本稿では,空間変動型屋外照明推定のためのニューラルネットワークSOLID-Netを提案する。
グローバルスカイ環境マップとワープ画像情報を組み合わせて,空間変動する局所照明環境マップを生成する。
合成データセットと実データセットの両方の実験は、SOLID-Netが以前の方法を大幅に上回っていることを示しています。
論文 参考訳（メタデータ） (2021-04-09T02:28:54Z) - Low Light Image Enhancement via Global and Local Context Modeling [164.85287246243956]
低照度画像強調のためのコンテキスト認識ディープネットワークを導入。
まず、全空間領域上の補完的な手がかりを見つけるために空間相関をモデル化するグローバルコンテキストモジュールを特徴とする。
第二に、比較的大きな受容フィールドで局所的なコンテキストをキャプチャする密な残留ブロックを導入する。
論文 参考訳（メタデータ） (2021-01-04T09:40:54Z) - 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)
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。