論文の概要: FourLLIE: Boosting Low-Light Image Enhancement by Fourier Frequency
Information
- arxiv url: http://arxiv.org/abs/2308.03033v1
- Date: Sun, 6 Aug 2023 06:14:14 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-08 17:11:54.009725
- Title: FourLLIE: Boosting Low-Light Image Enhancement by Fourier Frequency
Information
- Title(参考訳): FourLLIE:フーリエ周波数情報による低光画像強調
- Authors: Chenxi Wang, Hongjun Wu, Zhi Jin
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 19.478293277978935
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Recently, Fourier frequency information has attracted much attention in
Low-Light Image Enhancement (LLIE). Some researchers noticed that, in the
Fourier space, the lightness degradation mainly exists in the amplitude
component and the rest exists in the phase component. By incorporating both the
Fourier frequency and the spatial information, these researchers proposed
remarkable solutions for LLIE. In this work, we further explore the positive
correlation between the magnitude of amplitude and the magnitude of lightness,
which can be effectively leveraged to improve the lightness of low-light images
in the Fourier space. Moreover, we find that the Fourier transform can extract
the global information of the image, and does not introduce massive neural
network parameters like Multi-Layer Perceptrons (MLPs) or Transformer. To this
end, a two-stage Fourier-based LLIE network (FourLLIE) is proposed. In the
first stage, we improve the lightness of low-light images by estimating the
amplitude transform map in the Fourier space. In the second stage, we introduce
the Signal-to-Noise-Ratio (SNR) map to provide the prior for integrating the
global Fourier frequency and the local spatial information, which recovers
image details in the spatial space. With this ingenious design, FourLLIE
outperforms the existing state-of-the-art (SOTA) LLIE methods on four
representative datasets while maintaining good model efficiency.
- Abstract(参考訳): 近年,低照度画像強調(LLIE)においてフーリエ周波数情報が注目されている。
一部の研究者はフーリエ空間において、光度低下は主に振幅成分に存在し、残りは位相成分に存在することに気付いた。
これらの研究者は、フーリエ周波数と空間情報の両方を取り入れることで、LLIEの優れた解を提案した。
本研究では,フーリエ空間における低光度画像の光度向上に効果的に活用できる振幅の大きさと光度の大きさとの正の相関について検討する。
さらに、フーリエ変換は画像のグローバルな情報を抽出することができ、マルチ層パーセプトロン(MLP)やトランスフォーマーのような巨大なニューラルネットワークパラメータを導入しないことがわかった。
この目的のために,2段階のフーリエベース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,snr(signal-to-noise-ratio)マップを導入し,大域フーリエ周波数と局所空間情報を統合し,空間空間内の画像詳細を復元する。
この巧妙な設計により、FourLLIEは4つの代表的なデータセット上で既存の最先端(SOTA)LLIEメソッドよりも優れ、優れたモデル効率を維持している。
関連論文リスト
- Frequency-Aware Deepfake Detection: Improving Generalizability through
Frequency Space Learning [81.98675881423131]
この研究は、目に見えないディープフェイク画像を効果的に識別できるユニバーサルディープフェイク検出器を開発するという課題に対処する。
既存の周波数ベースのパラダイムは、偽造検出のためにGANパイプラインのアップサンプリング中に導入された周波数レベルのアーティファクトに依存している。
本稿では、周波数領域学習を中心にしたFreqNetと呼ばれる新しい周波数認識手法を導入し、ディープフェイク検出器の一般化性を高めることを目的とする。
論文 参考訳(メタデータ) (2024-03-12T01:28:00Z) - Misalignment-Robust Frequency Distribution Loss for Image Transformation [51.0462138717502]
本稿では,画像強調や超解像といった深層学習に基づく画像変換手法における共通の課題に対処することを目的とする。
本稿では、周波数領域内における分布距離を計算するための、新しいシンプルな周波数分布損失(FDL)を提案する。
本手法は,周波数領域におけるグローバル情報の思慮深い活用により,トレーニング制約として実証的に有効であることが実証された。
論文 参考訳(メタデータ) (2024-02-28T09:27:41Z) - A Dual Domain Multi-exposure Image Fusion Network based on the
Spatial-Frequency Integration [57.14745782076976]
マルチ露光画像融合は、異なる露光で画像を統合することにより、単一の高ダイナミック画像を生成することを目的としている。
本稿では,MEF-SFI と呼ばれる空間周波数統合フレームワークによるマルチ露光画像融合の新たな視点を提案する。
提案手法は,最先端のマルチ露光画像融合手法に対する視覚的近似核融合結果を実現する。
論文 参考訳(メタデータ) (2023-12-17T04:45:15Z) - Embedding Fourier for Ultra-High-Definition Low-Light Image Enhancement [78.67036949708795]
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。
論文 参考訳(メタデータ) (2023-02-23T07:43:41Z) - Deep Fourier Up-Sampling [100.59885545206744]
フーリエ領域のアップサンプリングは、そのような局所的な性質に従わないため、より難しい。
これらの問題を解決するために理論的に健全なDeep Fourier Up-Sampling (FourierUp)を提案する。
論文 参考訳(メタデータ) (2022-10-11T06:17:31Z) - DPFNet: A Dual-branch Dilated Network with Phase-aware Fourier
Convolution for Low-light Image Enhancement [1.2645663389012574]
低照度画像の高精細化は、低照度画像から通常の露光画像を復元することを目的とした古典的なコンピュータビジョン問題である。
この分野でよく使われる畳み込みニューラルネットワークは、空間領域の低周波局所構造の特徴をサンプリングするのに長けている。
周波数位相のセマンティクスの制約の下で高品質なテクスチャの詳細を復元できるフーリエ係数を用いた新しいモジュールを提案する。
論文 参考訳(メタデータ) (2022-09-16T13:56:09Z) - Fourier Disentangled Space-Time Attention for Aerial Video Recognition [54.80846279175762]
本稿では,UAVビデオ行動認識のためのFAR(Fourier Activity Recognition)アルゴリズムを提案する。
我々の定式化は、人間のエージェントを背景から自然に分離するために、新しいフーリエオブジェクト・ディコンタングルメント法を用いています。
我々はUAV Human RGB、UAV Human Night、Drone Action、NEC Droneを含む複数のUAVデータセットに対するアプローチを評価した。
論文 参考訳(メタデータ) (2022-03-21T01:24:53Z) - Contrastive Learning for Local and Global Learning MRI Reconstruction [25.279021256319467]
局所・グローバル学習型MRI再構成ネットワーク(CLGNet)のためのコントラスト学習を提案する。
具体的には、フーリエ理論によれば、フーリエ領域の各値は空間領域の全ての値から計算される。
自己アテンションとトランスフォーマーと比較して、SFLはより強力な学習能力を持ち、より少ない時間でより良いパフォーマンスを達成することができる。
論文 参考訳(メタデータ) (2021-11-30T08:23:53Z)
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。