論文の概要: Generalized Lightness Adaptation with Channel Selective Normalization

• arxiv url: http://arxiv.org/abs/2308.13783v1
• Date: Sat, 26 Aug 2023 06:35:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-29 19:06:57.687292
• Title: Generalized Lightness Adaptation with Channel Selective Normalization
• Title（参考訳）: チャネル選択正規化による一般化光度適応
• Authors: Mingde Yao, Jie Huang, Xin Jin, Ruikang Xu, Shenglong Zhou, Man Zhou, Zhiwei Xiong
• Abstract要約: 光の適応は、予期せぬ視覚劣化を避けるために画像処理の成功に不可欠である。 既存の手法は、訓練された光度条件ではうまく機能するが、その限定的な一般化能力のため、未知の手法ではうまく機能しない。 チャネルフィルタ設計により従来の正規化手法を拡張した,新しい一般化光度適応アルゴリズムを提案する。
• 参考スコア（独自算出の注目度）: 62.71259777447607
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Lightness adaptation is vital to the success of image processing to avoid unexpected visual deterioration, which covers multiple aspects, e.g., low-light image enhancement, image retouching, and inverse tone mapping. Existing methods typically work well on their trained lightness conditions but perform poorly in unknown ones due to their limited generalization ability. To address this limitation, we propose a novel generalized lightness adaptation algorithm that extends conventional normalization techniques through a channel filtering design, dubbed Channel Selective Normalization (CSNorm). The proposed CSNorm purposely normalizes the statistics of lightness-relevant channels and keeps other channels unchanged, so as to improve feature generalization and discrimination. To optimize CSNorm, we propose an alternating training strategy that effectively identifies lightness-relevant channels. The model equipped with our CSNorm only needs to be trained on one lightness condition and can be well generalized to unknown lightness conditions. Experimental results on multiple benchmark datasets demonstrate the effectiveness of CSNorm in enhancing the generalization ability for the existing lightness adaptation methods. Code is available at https://github.com/mdyao/CSNorm.
• Abstract（参考訳）: 光度適応は、低光度画像強調、画像修正、逆トーンマッピングなど、複数の側面をカバーする予期しない視覚劣化を避けるために、画像処理の成功に不可欠である。 既存の方法は通常、訓練された明るさ条件でうまく機能するが、その限定的な一般化能力のため、未知の条件ではあまり機能しない。 この制限に対処するため,CSNormと呼ばれるチャネルフィルタリング設計により,従来の正規化手法を拡張した新しい一般化光度適応アルゴリズムを提案する。 提案するcsnormは、光度関連チャネルの統計を意図的に正規化し、他のチャネルを変更せず、特徴の一般化と識別を改善する。 CSNormを最適化するために、光度関連チャネルを効果的に識別する交互トレーニング戦略を提案する。 我々のCSNormを搭載したモデルは、一つの光度条件でのみ訓練される必要があり、未知の光度条件に対して十分に一般化することができる。 複数のベンチマークデータセットに対する実験結果から,CSNormが既存の光度適応手法の一般化能力を高める効果が示された。 コードはhttps://github.com/mdyao/csnormで入手できる。

関連論文リスト

• Unsupervised Low-light Image Enhancement with Lookup Tables and Diffusion Priors [38.96909959677438]
  低照度画像強調(LIE)は、低照度環境において劣化した画像を高精度かつ効率的に回収することを目的としている。 近年の先進的なLIE技術は、多くの低正規の光画像対、ネットワークパラメータ、計算資源を必要とするディープニューラルネットワークを使用している。 拡散先行とルックアップテーブルに基づく新しい非教師付きLIEフレームワークを考案し,低照度画像の効率的な回復を実現する。
  論文  参考訳（メタデータ） (2024-09-27T16:37:27Z)
• ALEN: A Dual-Approach for Uniform and Non-Uniform Low-Light Image Enhancement [6.191556429706728]
  不適切な照明は、情報損失や画質の低下を招き、監視などの様々な応用に影響を及ぼす可能性がある。 現在のエンハンスメント技術は、しばしば特定のデータセットを使用して低照度画像を強化するが、様々な現実世界の条件に適応する際の課題は残る。 アダプティブ・ライト・エンハンスメント・ネットワーク (ALEN) を導入し、その主なアプローチは、ローカル照明とグローバル照明の強化が必要であるかどうかを決定するための分類機構を使用することである。
  論文  参考訳（メタデータ） (2024-07-29T05:19:23Z)
• CodeEnhance: A Codebook-Driven Approach for Low-Light Image Enhancement [97.95330185793358]
  低照度画像強調(LLIE)は、低照度画像を改善することを目的としている。 既存の手法では、様々な明るさ劣化からの回復の不確実性と、テクスチャと色情報の喪失という2つの課題に直面している。 我々は、量子化された先行値と画像の精細化を利用して、新しいエンハンスメント手法、CodeEnhanceを提案する。
  論文  参考訳（メタデータ） (2024-04-08T07:34:39Z)
• Diving into Darkness: A Dual-Modulated Framework for High-Fidelity Super-Resolution in Ultra-Dark Environments [51.58771256128329]
  本稿では,低照度超解像課題の性質を深く理解しようとする,特殊二変調学習フレームワークを提案する。 Illuminance-Semantic Dual Modulation (ISDM) コンポーネントを開発した。 包括的実験は、我々のアプローチが多様で挑戦的な超低照度条件に適用可能であることを示す。
  論文  参考訳（メタデータ） (2023-09-11T06:55:32Z)
• 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)
• Low-light Image and Video Enhancement via Selective Manipulation of Chromaticity [1.4680035572775534]
  低照度画像と映像強調のための簡易かつ効果的なアプローチを提案する。 上述の適応性により、低照度画像分解による照明と反射率へのコストのかかるステップを回避できる。 標準の低照度画像データセットでは,いくつかの最先端技術に対して,アルゴリズムの有効性と質的,定量的な優位性を示す。
  論文  参考訳（メタデータ） (2022-03-09T17:01:28Z)
• Low-light Image Enhancement by Retinex Based Algorithm Unrolling and Adjustment [50.13230641857892]
  本稿では,低照度画像強調(LIE)問題に対する新たなディープラーニングフレームワークを提案する。 提案フレームワークは,大域的明るさと局所的明るさ感度の両方を考慮したアルゴリズムアンロールと調整ネットワークに着想を得た分解ネットワークを含む。 一連の典型的なLIEデータセットの実験では,既存の手法と比較して,定量的かつ視覚的に,提案手法の有効性が示された。
  論文  参考訳（メタデータ） (2022-02-12T03:59:38Z)
• Preconditioned Plug-and-Play ADMM with Locally Adjustable Denoiser for Image Restoration [54.23646128082018]
  非定常雑音分散のパラメータ化が可能なデノイザを使用するために、プラグアンドプレイの最適化の概念を拡張した。 画素調整可能なデノイザは,適切なプレコンディショニング戦略とともに,いくつかのアプリケーションに対して,プラグアンドプレイADMMアプローチをさらに改善できることを示す。
  論文  参考訳（メタデータ） (2021-10-01T15:46:35Z)
• ALCN: Adaptive Local Contrast Normalization [31.703987699518102]
  そこで本研究では,難解な照明条件において,様々な問題に容易に対応できる新しい照明正規化手法を提案する。 我々は,本手法が標準正規化法を著しく上回り,新しいアプリケーションごとに再学習する必要がなくなるため,普遍的であることも示している。
  論文  参考訳（メタデータ） (2020-04-15T13:40:03Z)

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。