論文の概要: Revealing Shadows: Low-Light Image Enhancement Using Self-Calibrated
Illumination
- arxiv url: http://arxiv.org/abs/2312.15199v1
- Date: Sat, 23 Dec 2023 08:49:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-27 19:13:07.706520
- Title: Revealing Shadows: Low-Light Image Enhancement Using Self-Calibrated
Illumination
- Title（参考訳）: Revealing Shadows:自己校正イルミネーションによる低照度画像強調
- Authors: Farzaneh Koohestani, Nader Karimi, Shadrokh Samavi
- Abstract要約: 自己校正イルミネーション(Self-Calibrated Illumination, SCI)は、当初RGB画像向けに開発された戦略である。
我々はSCI法を用いて、低照度条件下で通常失われる詳細を強調・明らかにする。
この選択的照明強調方法は、色情報をそのまま残し、画像の色整合性を保つ。
- 参考スコア（独自算出の注目度）: 4.913568097686369
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: In digital imaging, enhancing visual content in poorly lit environments is a
significant challenge, as images often suffer from inadequate brightness,
hidden details, and an overall reduction in quality. This issue is especially
critical in applications like nighttime surveillance, astrophotography, and
low-light videography, where clear and detailed visual information is crucial.
Our research addresses this problem by enhancing the illumination aspect of
dark images. We have advanced past techniques by using varied color spaces to
extract the illumination component, enhance it, and then recombine it with the
other components of the image. By employing the Self-Calibrated Illumination
(SCI) method, a strategy initially developed for RGB images, we effectively
intensify and clarify details that are typically lost in low-light conditions.
This method of selective illumination enhancement leaves the color information
intact, thus preserving the color integrity of the image. Crucially, our method
eliminates the need for paired images, making it suitable for situations where
they are unavailable. Implementing the modified SCI technique represents a
substantial shift from traditional methods, providing a refined and potent
solution for low-light image enhancement. Our approach sets the stage for more
complex image processing techniques and extends the range of possible
real-world applications where accurate color representation and improved
visibility are essential.
- Abstract（参考訳）: デジタルイメージングでは、画像が不適切な明るさ、隠れたディテール、全体的な品質低下に苦しむことが多いため、暗い環境での視覚コンテンツの強化は大きな課題である。
この問題は、夜間監視、天体写真撮影、低照度ビデオ撮影などのアプリケーションにおいて特に重要であり、明確で詳細な視覚情報が不可欠である。
本研究は,暗黒画像の照明面を強化することでこの問題に対処する。
我々は、様々な色空間を用いて照明成分を抽出し、拡張し、画像の他の成分と再結合することで、過去の手法を進化させた。
RGB画像のための戦略である自己校正照明法(SCI)を用いることで、低照度条件下で通常失われる詳細を効果的に強調・明らかにする。
この選択的照明増強方法は、色情報を無傷に残し、画像の色整合性を保ちます。
重要な点として,本手法はペア画像の必要性を排除し,それらが利用できない状況に適応する。
改良されたSCI技術の実装は従来の方法から大きく変化し、低照度画像強調のための洗練された強力なソリューションを提供する。
提案手法は、より複雑な画像処理技術のステージを設定し、正確な色表現と可視性の向上が不可欠である実世界のアプリケーションの範囲を広げる。
関連論文リスト
- 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) - You Only Need One Color Space: An Efficient Network for Low-light Image Enhancement [50.37253008333166]
低照度画像強調(LLIE)タスクは、劣化した低照度画像から詳細と視覚情報を復元する傾向がある。
水平/垂直インテンシティ(HVI)と呼ばれる新しいトレーニング可能なカラー空間を提案する。
輝度と色をRGBチャネルから切り離して、拡張中の不安定性を緩和するだけでなく、トレーニング可能なパラメータによって異なる照明範囲の低照度画像にも適応する。
論文 参考訳（メタデータ） (2024-02-08T16:47:43Z) - 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) - CDAN: Convolutional dense attention-guided network for low-light image enhancement [2.2530496464901106]
低照度画像は、明度が低下し、色が変色し、細部が小さくなるという課題を生んでいる。
本稿では,低照度画像を改善するための新しいソリューションであるCDAN(Convolutional Dense Attention-guided Network)を紹介する。
CDANは自動エンコーダベースのアーキテクチャと、アテンション機構とスキップ接続によって補完される、畳み込みブロックと密集ブロックを統合している。
論文 参考訳（メタデータ） (2023-08-24T16:22:05Z) - 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) - Designing An Illumination-Aware Network for Deep Image Relighting [69.750906769976]
本稿では、階層的なサンプリングから1つの画像からシーンを段階的にリライトするためのガイダンスに従うイルミネーション・アウェア・ネットワーク(IAN)を提案する。
さらに、物理レンダリングプロセスの近似として、イルミネーション・アウェア・残留ブロック(IARB)が設計されている。
実験の結果,提案手法は従来の最先端手法よりも定量的,定性的な照準結果が得られることがわかった。
論文 参考訳（メタデータ） (2022-07-21T16:21:24Z) - 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) - 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)
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。