論文の概要: From Generation to Suppression: Towards Effective Irregular Glow Removal
for Nighttime Visibility Enhancement
- arxiv url: http://arxiv.org/abs/2307.16783v1
- Date: Mon, 31 Jul 2023 15:51:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-01 13:41:10.875267
- Title: From Generation to Suppression: Towards Effective Irregular Glow Removal
for Nighttime Visibility Enhancement
- Title（参考訳）: 生成から抑制へ--夜間視認性向上のための不規則なグロー除去をめざして
- Authors: Wanyu Wu, Wei Wang, Zheng Wang, Kui Jiang and Xin Xu
- Abstract要約: 既存の低照度画像強調法 (LLIE) は、主に暗黒領域の明るさを改善するために設計されている。
これらの手法は、他の大きな視界の損傷である、夜間の夜景における光の影響を限定的に探究することができる。
大気点拡散関数(APSF)に基づく多重散乱推定による物理光発生の学習法を提案する。
提案手法はゼロショット学習に基づいており、ペアやアンペアのトレーニングデータに頼らず、光抑制と低照度強化の両方において提案手法の有効性を実証的に評価する。
- 参考スコア（独自算出の注目度）: 22.565044107631696
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Most existing Low-Light Image Enhancement (LLIE) methods are primarily
designed to improve brightness in dark regions, which suffer from severe
degradation in nighttime images. However, these methods have limited
exploration in another major visibility damage, the glow effects in real night
scenes. Glow effects are inevitable in the presence of artificial light sources
and cause further diffused blurring when directly enhanced. To settle this
issue, we innovatively consider the glow suppression task as learning physical
glow generation via multiple scattering estimation according to the Atmospheric
Point Spread Function (APSF). In response to the challenges posed by uneven
glow intensity and varying source shapes, an APSF-based Nighttime Imaging Model
with Near-field Light Sources (NIM-NLS) is specifically derived to design a
scalable Light-aware Blind Deconvolution Network (LBDN). The glow-suppressed
result is then brightened via a Retinex-based Enhancement Module (REM).
Remarkably, the proposed glow suppression method is based on zero-shot learning
and does not rely on any paired or unpaired training data. Empirical
evaluations demonstrate the effectiveness of the proposed method in both glow
suppression and low-light enhancement tasks.
- Abstract（参考訳）: 既存のLow-Light Image Enhancement (LLIE) 法は主に暗黒領域の明るさを改善するために設計されている。
しかし、これらの手法は、別の大きな視認性障害である実夜シーンでのグロー効果の探索を制限している。
グロー効果は人工光源の存在下では避けられず、直接強化するとさらに拡散したぼやけを引き起こす。
そこで本研究では,大気点拡散関数(atmosphere point spread function,apsf)に基づく多重散乱推定による物理グロー生成を学習するグロー抑制課題を革新的に検討する。
不均一光強度と様々な光源形状によって引き起こされる課題に対応するため、近距離光源(NIM-NLS)を用いたAPSFベースのナイトタイムイメージングモデルは、拡張性のある光対応ブラインドデコンボリューションネットワーク(LBDN)の設計に特化している。
次に、光抑制された結果をRetinexベースの拡張モジュール(REM)を介して明るくする。
顕著なことに、提案手法はゼロショット学習に基づいており、ペアやアンペアのトレーニングデータに依存しない。
発光抑制と低照度増強の両課題において,提案手法の有効性を実証した。
関連論文リスト
- DAP-LED: Learning Degradation-Aware Priors with CLIP for Joint Low-light Enhancement and Deblurring [14.003870853594972]
DAP-LEDと呼ばれる新しい変圧器を用いた共同学習フレームワークを提案する。
低照度向上と劣化を共同で達成することができ、深度推定、セグメンテーション、暗黒での検知といった下流タスクの恩恵を受けることができる。
重要な洞察は、CLIPを活用して、夜間に画像から劣化レベルを適応的に学習することだ。
論文 参考訳（メタデータ） (2024-09-20T13:37:53Z) - NDELS: A Novel Approach for Nighttime Dehazing, Low-Light Enhancement,
and Light Suppression [4.976703689624386]
本稿では、NDELS(Nighttime Dehazing, Low-Light Enhancement and Light Suppression)という先駆的なソリューションを紹介する。
NDELSは3つの重要なプロセスを組み合わせて、可視性、低照度領域を強化し、明るい光源からのグレアを効果的に抑制する。
NDELSの有効性は、4つの多様なデータセットにわたる8つの最先端アルゴリズムとの広範な比較を通じて厳密に検証されている。
論文 参考訳（メタデータ） (2023-12-11T21:38:32Z) - Improving Lens Flare Removal with General Purpose Pipeline and Multiple
Light Sources Recovery [69.71080926778413]
フレアアーティファクトは、画像の視覚的品質と下流のコンピュータビジョンタスクに影響を与える。
現在の方法では、画像信号処理パイプラインにおける自動露光やトーンマッピングは考慮されていない。
本稿では、ISPを再検討し、より信頼性の高い光源回収戦略を設計することで、レンズフレア除去性能を向上させるソリューションを提案する。
論文 参考訳（メタデータ） (2023-08-31T04:58:17Z) - Enhancing Visibility in Nighttime Haze Images Using Guided APSF and
Gradient Adaptive Convolution [28.685126418090338]
既存の夜間の脱暖法は、光や低照度の条件を扱うのにしばしば苦労する。
本稿では、光を抑え、低照度領域を高めることにより、夜間のハゼ画像からの視認性を高める。
GTA5夜間ヘイズデータセットでは,PSNRが30.38dBとなり,最先端の手法よりも13%向上した。
論文 参考訳（メタデータ） (2023-08-03T12:58:23Z) - Flare7K++: Mixing Synthetic and Real Datasets for Nighttime Flare
Removal and Beyond [77.72043833102191]
962個の実撮影フレア画像(Flare-R)と7000個の合成フレア画像(Flare7K)からなる夜間フレア除去データセットを初めて導入する。
Flare7Kと比較して、Frare7K++は、合成フレアのみを使用することで、光源周辺の複雑な劣化を取り除くのに特に効果的である。
この問題に対処するために、Frare7K++で光源のアノテーションを付加し、レンズフレアを除去しながら光源を保存するための新しいエンドツーエンドパイプラインを提案する。
論文 参考訳（メタデータ） (2023-06-07T08:27:44Z) - Unsupervised Night Image Enhancement: When Layer Decomposition Meets
Light-Effects Suppression [67.7508230688415]
層分解ネットワークと光効果抑制ネットワークを統合した教師なし手法を提案する。
本手法は,夜間光効果の抑制と暗黒領域の強度向上において,最先端の手法よりも優れる。
論文 参考訳（メタデータ） (2022-07-21T16:10:24Z) - Cycle-Interactive Generative Adversarial Network for Robust Unsupervised
Low-Light Enhancement [109.335317310485]
CIGAN(Cycle-Interactive Generative Adversarial Network)は、低照度画像間の照明分布の転送を改善できるだけでなく、詳細な信号も操作できる。
特に、提案した低照度誘導変換は、低照度GAN生成器から劣化GAN生成器へ、低照度画像の特徴をフォワードする。
論文 参考訳（メタデータ） (2022-07-03T06:37:46Z) - Light Pollution Reduction in Nighttime Photography [32.87477623401456]
夜間の写真家は、望ましくない人工照明の光汚染に悩まされることが多い。
本稿では,知覚品質の劣化を著しく軽減できる物理ベース光汚染低減(LPR)アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-06-18T10:38:13Z) - Degrade is Upgrade: Learning Degradation for Low-light Image Enhancement [52.49231695707198]
2段階の工程で細部と色を精錬しながら、内在的な劣化と低照度画像を照らし出す。
カラー画像の定式化に触発されて,まず低照度入力からの劣化を推定し,環境照明色の歪みをシミュレーションし,そのコンテンツを精錬して拡散照明色の損失を回復した。
LOL1000データセットではPSNRで0.95dB、ExDarkデータセットでは3.18%のmAPでSOTAを上回った。
論文 参考訳（メタデータ） (2021-03-19T04:00:27Z) - Low-light Image Enhancement Using the Cell Vibration Model [12.400040803969501]
低い光は、画像の品質を低下させ、視覚的なタスクの失敗を引き起こす可能性が非常に高い。
そこで本研究では,新しい低照度画像の輝度向上手法を提案する。
実験の結果,提案アルゴリズムは9つの最先端手法よりも優れていることがわかった。
論文 参考訳（メタデータ） (2020-06-03T13:39:10Z) - 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。