論文の概要: Low-light Image Enhancement via CLIP-Fourier Guided Wavelet Diffusion
- arxiv url: http://arxiv.org/abs/2401.03788v1
- Date: Mon, 8 Jan 2024 10:08:48 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-09 16:57:00.228282
- Title: Low-light Image Enhancement via CLIP-Fourier Guided Wavelet Diffusion
- Title(参考訳): クリップフーリエ誘導ウェーブレット拡散による低光度画像強調
- Authors: Minglong Xue, Jinhong He, Yanyi He, Zhipu Liu, Wenhai Wang and
Mingliang Zhou
- Abstract要約: 本稿では,CLIP-Fourier Guided Wavelet Diffusion(CFWD)による新しい低照度画像強調手法を提案する。
我々は、ウェーブレット変換に基づいて、周波数領域におけるマルチスケール視覚言語を用いたガイドネットワークを設計し、効果的な画像強調を実現する。
提案手法は,既存の最先端手法より優れ,通常の画像とよく似た画像の再現性が向上する。
- 参考スコア(独自算出の注目度): 28.067489567200393
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Low-light image enhancement techniques have significantly progressed, but
unstable image quality recovery and unsatisfactory visual perception are still
significant challenges. To solve these problems, we propose a novel and robust
low-light image enhancement method via CLIP-Fourier Guided Wavelet Diffusion,
abbreviated as CFWD. Specifically, we design a guided network with a multiscale
visual language in the frequency domain based on the wavelet transform to
achieve effective image enhancement iteratively. In addition, we combine the
advantages of Fourier transform in detail perception to construct a hybrid
frequency domain space with significant perceptual capabilities(HFDPM). This
operation guides wavelet diffusion to recover the fine-grained structure of the
image and avoid diversity confusion. Extensive quantitative and qualitative
experiments on publicly available real-world benchmarks show that our method
outperforms existing state-of-the-art methods and better reproduces images
similar to normal images. Code is available at
https://github.com/He-Jinhong/CFWD.
- Abstract(参考訳): 低光度画像強調技術は著しく進歩しているが、不安定な画像品質回復と不十分な視覚知覚は依然として重要な課題である。
これらの問題を解決するために,CLIP-Fourier Guided Wavelet Diffusion(CFWD)による新しい低照度画像強調手法を提案する。
具体的には,ウェーブレット変換に基づく周波数領域の多スケール視覚言語を用いた誘導ネットワークの設計を行い,反復的に効果的な画像強調を実現する。
さらに,フーリエ変換のアドバンテージを細部まで組み合わせ,有意な知覚能力(hfdpm)を有するハイブリッド周波数領域空間を構築する。
この操作はウェーブレット拡散を誘導し、画像の微細な構造を復元し、多様性の混乱を避ける。
実世界の公開ベンチマークにおける広範囲な定量的・定性的実験により,本手法が既存の最先端手法を上回っており,通常の画像と類似した画像の再現性が向上した。
コードはhttps://github.com/He-Jinhong/CFWDで入手できる。
関連論文リスト
- 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) - WaveletFormerNet: A Transformer-based Wavelet Network for Real-world
Non-homogeneous and Dense Fog Removal [11.757602977709517]
本稿では,現実の霧画像回復のためのトランスフォーマーベースのウェーブレットネットワーク(WaveletFormerNet)を提案する。
トランスフォーマーブロックに並列畳み込みを導入し、軽量な機構で多周波情報のキャプチャを可能にする。
我々の実験は、WaveletFormerNetが最先端の手法よりも優れていることを示した。
論文 参考訳(メタデータ) (2024-01-09T13:42:21Z) - DGNet: Dynamic Gradient-Guided Network for Water-Related Optics Image
Enhancement [77.0360085530701]
水中画像強調(UIE)は、水中環境によって引き起こされる複雑な劣化のために難しい課題である。
従来の手法では、劣化過程を理想化し、中音や物体の動きが画像の特徴の分布に与える影響を無視することが多い。
提案手法では,予測画像を用いて疑似ラベルを動的に更新し,動的勾配を加えてネットワークの勾配空間を最適化する。
論文 参考訳(メタデータ) (2023-12-12T06:07:21Z) - HAT: Hybrid Attention Transformer for Image Restoration [61.74223315807691]
トランスフォーマーに基づく手法は、画像の超解像や復調といった画像復元タスクにおいて顕著な性能を示している。
本稿では,新たなHAT(Hybrid Attention Transformer)を提案する。
我々のHATは,定量的かつ定性的に,最先端の性能を達成する。
論文 参考訳(メタデータ) (2023-09-11T05:17:55Z) - Low-Light Image Enhancement with Wavelet-based Diffusion Models [50.632343822790006]
拡散モデルは画像復元作業において有望な結果を得たが、時間を要する、過剰な計算資源消費、不安定な復元に悩まされている。
本稿では,DiffLLと呼ばれる高能率かつ高能率な拡散型低光画像強調手法を提案する。
論文 参考訳(メタデータ) (2023-06-01T03:08:28Z) - Gated Multi-Resolution Transfer Network for Burst Restoration and
Enhancement [75.25451566988565]
低画質の原画像のバーストから空間的精度の高い高画質画像を再構成する新しいGated Multi-Resolution Transfer Network (GMTNet)を提案する。
5つのデータセットに関する詳細な実験分析は、我々のアプローチを検証し、バースト超解像、バーストデノイング、低照度バーストエンハンスメントのための最先端技術を設定する。
論文 参考訳(メタデータ) (2023-04-13T17:54:00Z) - Towards Robust Image-in-Audio Deep Steganography [14.1081872409308]
本稿では,その堅牢性向上に焦点をあて,既存の音響深部ステガノグラフィー手法を拡張し,拡張する。
提案した機能拡張には、損失関数の修正、短い時間フーリエ変換(STFT)の利用、誤り訂正のための符号化プロセスにおける冗長性の導入、ピクセルサブ畳み込み操作における追加情報のバッファリングが含まれる。
論文 参考訳(メタデータ) (2023-03-09T03:16:04Z) - 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) - Enhancing Low-Light Images in Real World via Cross-Image Disentanglement [58.754943762945864]
そこで本研究では,現実の汚職とミスアライメントされたトレーニング画像からなる,新しい低照度画像強調データセットを提案する。
本モデルでは,新たに提案したデータセットと,他の一般的な低照度データセットの両方に対して,最先端のパフォーマンスを実現する。
論文 参考訳(メタデータ) (2022-01-10T03:12:52Z)
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。