論文の概要: NDELS: A Novel Approach for Nighttime Dehazing, Low-Light Enhancement,
and Light Suppression
- arxiv url: http://arxiv.org/abs/2312.06850v1
- Date: Mon, 11 Dec 2023 21:38:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-13 18:12:07.811729
- Title: NDELS: A Novel Approach for Nighttime Dehazing, Low-Light Enhancement,
and Light Suppression
- Title（参考訳）: ndels: 夜間の消光、低光度エンハンスメント、光抑制のための新しいアプローチ
- Authors: Silvano A. Bernabel and Sos S. Agaian
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 4.976703689624386
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: This paper tackles the intricate challenge of improving the quality of
nighttime images under hazy and low-light conditions. Overcoming issues
including nonuniform illumination glows, texture blurring, glow effects, color
distortion, noise disturbance, and overall, low light have proven daunting.
Despite the inherent difficulties, this paper introduces a pioneering solution
named Nighttime Dehazing, Low-Light Enhancement, and Light Suppression (NDELS).
NDELS utilizes a unique network that combines three essential processes to
enhance visibility, brighten low-light regions, and effectively suppress glare
from bright light sources. In contrast to limited progress in nighttime
dehazing, unlike its daytime counterpart, NDELS presents a comprehensive and
innovative approach. The efficacy of NDELS is rigorously validated through
extensive comparisons with eight state-of-the-art algorithms across four
diverse datasets. Experimental results showcase the superior performance of our
method, demonstrating its outperformance in terms of overall image quality,
including color and edge enhancement. Quantitative (PSNR, SSIM) and qualitative
metrics (CLIPIQA, MANIQA, TRES), measure these results.
- Abstract（参考訳）: 本論文は,夜間の夜間画像の品質向上にむけての課題である。
均一でない照明、テクスチャのぼかし、光の効果、色歪み、ノイズ障害、そして全体的な低照度といった課題が解決された。
固有の困難にもかかわらず,本論文ではNighttime Dehazing, Low-Light Enhancement, Light Suppression (NDELS) という先駆的なソリューションを導入する。
NDELSは3つの重要なプロセスを組み合わせて可視性を高め、低照度領域を明るくし、明るい光源からのグレアを効果的に抑制する。
夜間デハジングの進行が限られているのとは対照的に、NDELSは夜間デハジングと異なり、包括的で革新的なアプローチを提示する。
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。
実験の結果,色やエッジの強化など,画像の全体的な品質の面で,優れた性能を示すことができた。
定量(PSNR, SSIM)および定性的指標(CLIPIQA, MANIQA, TRES)はこれらの結果を測定する。
関連論文リスト
- Zero-Shot Enhancement of Low-Light Image Based on Retinex Decomposition [4.175396687130961]
本稿ではZERRINNetと呼ばれるゼロショット低照度化手法の学習に基づくRetinex分解を提案する。
本手法は,ペアとアンペアのデータセットのトレーニングデータの影響を受けないゼロ参照拡張手法である。
論文 参考訳（メタデータ） (2023-11-06T09:57:48Z) - 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) - Visibility Enhancement for Low-light Hazy Scenarios [18.605784907840473]
夕暮れや早朝には、低照度なシーンがよく現れる。
低照度ハジーシナリオの可視性を高める新しい手法を提案する。
このフレームワークは、異なるサブタスクからのヒントを完全に活用することで、入力画像の可視性を高めるように設計されている。
このシミュレーションは, 提案した低照度ハジーイメージングモデルを用いて, 地上構造でデータセットを生成するために設計されている。
論文 参考訳（メタデータ） (2023-08-01T15:07:38Z) - From Generation to Suppression: Towards Effective Irregular Glow Removal
for Nighttime Visibility Enhancement [22.565044107631696]
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。
論文 参考訳（メタデータ） (2023-07-31T15:51:15Z) - 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) - 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) - Recurrent Exposure Generation for Low-Light Face Detection [113.25331155337759]
本稿では,Recurrent Exposure Generation (REG) モジュールと Multi-Exposure Detection (MED) モジュールを提案する。
REGは、様々な露光設定に対応する段階的かつ効率的な中間画像を生成する。
このような擬似露光はMEDによって融合され、異なる照明条件で顔を検出する。
論文 参考訳（メタデータ） (2020-07-21T17:30:51Z) - 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) - 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。