論文の概要: Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming
- arxiv url: http://arxiv.org/abs/2310.09633v1
- Date: Sat, 14 Oct 2023 17:59:46 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-17 19:10:07.376007
- Title: Dimma: Semi-supervised Low Light Image Enhancement with Adaptive Dimming
- Title（参考訳）: Dimma: 適応ディミングによる半教師付き低光画像強調
- Authors: Wojciech Koz{\l}owski, Micha{\l} Szachniewicz, Micha{\l}
Stypu{\l}kowski, Maciej Zi\k{e}ba
- Abstract要約: 自然色を維持しながら低照度画像を強調することは、カメラ処理のバリエーションによって難しい問題である。
そこで我々はDimmaを提案する。Dimmaは、画像対の小さなセットを利用して、任意のカメラと整合する半教師付きアプローチである。
そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入することで実現した。
- 参考スコア（独自算出の注目度）: 0.728258471592763
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Enhancing low-light images while maintaining natural colors is a challenging
problem due to camera processing variations and limited access to photos with
ground-truth lighting conditions. The latter is a crucial factor for supervised
methods that achieve good results on paired datasets but do not handle
out-of-domain data well. On the other hand, unsupervised methods, while able to
generalize, often yield lower-quality enhancements. To fill this gap, we
propose Dimma, a semi-supervised approach that aligns with any camera by
utilizing a small set of image pairs to replicate scenes captured under extreme
lighting conditions taken by that specific camera. We achieve that by
introducing a convolutional mixture density network that generates distorted
colors of the scene based on the illumination differences. Additionally, our
approach enables accurate grading of the dimming factor, which provides a wide
range of control and flexibility in adjusting the brightness levels during the
low-light image enhancement process. To further improve the quality of our
results, we introduce an architecture based on a conditional UNet. The
lightness value provided by the user serves as the conditional input to
generate images with the desired lightness. Our approach using only few image
pairs achieves competitive results compared to fully supervised methods.
Moreover, when trained on the full dataset, our model surpasses
state-of-the-art methods in some metrics and closely approaches them in others.
- Abstract（参考訳）: 自然色を維持しながら低照度画像の強調は、カメラ処理のバリエーションや、地中光条件のある写真へのアクセス制限により難しい問題である。
後者は、ペアのデータセットで良い結果を得るがドメイン外のデータをうまく処理しない教師付きメソッドにとって重要な要素である。
一方、教師なしのメソッドは一般化できるが、しばしば低品質の強化をもたらす。
このギャップを埋めるため,我々は,特定のカメラで撮影された極端な照明条件下で撮影されたシーンを,少数の画像ペアを用いて再現することで,任意のカメラと整合する半教師付きアプローチであるdimmを提案する。
そこで我々は,照明の違いに基づいて,シーンの歪み色を生成する畳み込み混合密度ネットワークを導入する。
さらに,本手法は,低照度画像強調プロセスにおける輝度レベル調整において,広い範囲の制御と柔軟性を提供するディミング係数の精度向上を可能にする。
結果の質をさらに向上するため,条件付きUNetに基づくアーキテクチャを導入する。
ユーザが提供する明度値は条件入力として機能し、所望の明度で画像を生成する。
画像ペア数が少ないアプローチは,完全教師付き手法と比較して競合的な結果が得られる。
さらに、完全なデータセットでトレーニングする場合、私たちのモデルはいくつかのメトリクスで最先端のメソッドを超え、他のメトリクスに密にアプローチします。
関連論文リスト
- 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) - A Non-Uniform Low-Light Image Enhancement Method with Multi-Scale
Attention Transformer and Luminance Consistency Loss [11.585269110131659]
低照度画像強調は、薄暗い環境で収集された画像の知覚を改善することを目的としている。
既存の方法では、識別された輝度情報を適応的に抽出することができず、露光過多や露光過多を容易に引き起こすことができる。
MSATrというマルチスケールアテンション変換器を提案し,光バランスの局所的・グローバル的特徴を十分に抽出し,視覚的品質を向上させる。
論文 参考訳（メタデータ） (2023-12-27T10:07:11Z) - 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) - Fearless Luminance Adaptation: A Macro-Micro-Hierarchical Transformer
for Exposure Correction [65.5397271106534]
単一のニューラルネットワークは、すべての露光問題に対処することが難しい。
特に、コンボリューションは、極端に過度に露出した領域における忠実な色や詳細を復元する能力を妨げる。
本稿では,マクロマイクロ階層変換器を提案する。マクロマイクロ階層変換器は,長距離依存を捉えるマクロアテンション,局所特徴を抽出するマイクロアテンション,粗大な修正のための階層構造を提案する。
論文 参考訳（メタデータ） (2023-09-02T09:07:36Z) - 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) - Advancing Unsupervised Low-light Image Enhancement: Noise Estimation, Illumination Interpolation, and Self-Regulation [55.07472635587852]
低光画像強調(LLIE)技術は、画像の詳細の保存とコントラストの強化に顕著な進歩をもたらした。
これらのアプローチは、動的ノイズを効率的に緩和し、様々な低照度シナリオを収容する上で、永続的な課題に直面する。
まず,低照度画像の雑音レベルを迅速かつ高精度に推定する方法を提案する。
次に、照明と入力の一般的な制約を満たすために、Learningable Illumination Interpolator (LII) を考案する。
論文 参考訳（メタデータ） (2023-05-17T13:56:48Z) - 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) - Progressive Joint Low-light Enhancement and Noise Removal for Raw Images [10.778200442212334]
モバイル機器の低照度撮像は、比較的小さな開口部を通過する入射光が不足しているため、通常困難である。
そこで我々は,共同照明調整,色強調,遮音を行う低照度画像処理フレームワークを提案する。
我々のフレームワークは、他のカメラモデルに適応する際に、大量のデータを再構成する必要はない。
論文 参考訳（メタデータ） (2021-06-28T16:43:52Z) - Adaptive Enhancement of Extreme Low-Light Images [4.511923587827301]
室内と屋外の両方で撮影された1500枚の生画像のデータセットを作成します。
実行時に幅広い強度レベルで入力画像を拡張できる深層学習モデルを提案する。
実験結果から,提案したデータセットとモデルを組み合わせることで,画像の連続的かつ効果的に向上できることが示された。
論文 参考訳（メタデータ） (2020-12-07T23:31:59Z) - 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。