論文の概要: Edge-guided Low-light Image Enhancement with Inertial Bregman Alternating Linearized Minimization

• arxiv url: http://arxiv.org/abs/2403.01142v1
• Date: Sat, 2 Mar 2024 09:00:57 GMT
• ステータス: 処理完了
• システム内更新日: 2024-03-05 15:11:02.786980
• Title: Edge-guided Low-light Image Enhancement with Inertial Bregman Alternating Linearized Minimization
• Title（参考訳）: 慣性ブレグマン交互線形最小化によるエッジ誘導低光度画像強調
• Authors: Chaoyan Huang, Zhongming Wu, Tieyong Zeng
• Abstract要約: 低照度画像強調のための先行手法は、ディム画像から利用可能な事前情報を抽出する際の課題に直面することが多い。 本稿では,従来提案されていたエッジ抽出を用いた簡易かつ効果的なRetinexモデルを提案する。 このアルゴリズムはエッジ誘導レチネックスモデルに関連する最適化問題に対処し、低照度画像の効果的強化を可能にする。
• 参考スコア（独自算出の注目度）: 21.335003558744496
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Prior-based methods for low-light image enhancement often face challenges in extracting available prior information from dim images. To overcome this limitation, we introduce a simple yet effective Retinex model with the proposed edge extraction prior. More specifically, we design an edge extraction network to capture the fine edge features from the low-light image directly. Building upon the Retinex theory, we decompose the low-light image into its illumination and reflectance components and introduce an edge-guided Retinex model for enhancing low-light images. To solve the proposed model, we propose a novel inertial Bregman alternating linearized minimization algorithm. This algorithm addresses the optimization problem associated with the edge-guided Retinex model, enabling effective enhancement of low-light images. Through rigorous theoretical analysis, we establish the convergence properties of the algorithm. Besides, we prove that the proposed algorithm converges to a stationary point of the problem through nonconvex optimization theory. Furthermore, extensive experiments are conducted on multiple real-world low-light image datasets to demonstrate the efficiency and superiority of the proposed scheme.
• Abstract（参考訳）: 低照度画像強調のための先行手法は、ディム画像から利用可能な事前情報を抽出する際の課題に直面することが多い。 この制限を克服するために,提案したエッジ抽出を用いた簡易かつ効果的なRetinexモデルを提案する。 より具体的には、低照度画像から微細なエッジ特徴を直接キャプチャするエッジ抽出ネットワークを設計する。 そこで,retinex理論に基づいて低光度画像を照明・反射成分に分解し,低光度画像のエッジ誘導retinexモデルを導入する。 提案モデルを解くために,新しい慣性ブレグマン交互線形最小化アルゴリズムを提案する。 このアルゴリズムはエッジ誘導レチネックスモデルに関連する最適化問題に対処し、低照度画像の効果的強化を可能にする。 厳密な理論解析を通じて、アルゴリズムの収束特性を確立する。 さらに,提案アルゴリズムが非凸最適化理論によって問題の定常点に収束することを証明する。 さらに,提案手法の効率性と優越性を示すため,実世界の低光度画像データセットの多面的実験を行った。

関連論文リスト

• DI-Retinex: Digital-Imaging Retinex Theory for Low-Light Image Enhancement [73.57965762285075]
  本稿では,デジタル画像におけるRetinex理論の理論的および実験的解析を通じて,Digital-Imaging Retinex theory(DI-Retinex)という新しい表現を提案する。 提案手法は, 視覚的品質, モデルサイズ, 速度の観点から, 既存の教師なし手法よりも優れていた。
  論文  参考訳（メタデータ） (2024-04-04T09:53:00Z)
• Zero-LED: Zero-Reference Lighting Estimation Diffusion Model for Low-Light Image Enhancement [2.9873893715462185]
  ゼロLEDと呼ばれる低照度画像強調のための新しいゼロ参照光推定拡散モデルを提案する。 拡散モデルの安定収束能力を利用して、低照度領域と実常照度領域の間のギャップを埋める。 ゼロ参照学習を通じてペアのトレーニングデータへの依存を緩和する。
  論文  参考訳（メタデータ） (2024-03-05T11:39:17Z)
• TensoIR: Tensorial Inverse Rendering [51.57268311847087]
  テンソルIRはテンソル分解とニューラルフィールドに基づく新しい逆レンダリング手法である。 TensoRFは、放射場モデリングのための最先端のアプローチである。
  論文  参考訳（メタデータ） (2023-04-24T21:39:13Z)
• Retinexformer: One-stage Retinex-based Transformer for Low-light Image Enhancement [96.09255345336639]
  低照度画像の高精細化のために,原理化された1段Retinex-based Framework (ORF) を定式化する。 ORFはまず照明情報を推定し、低照度画像を照らす。 我々のアルゴリズムであるRetinexformerは13のベンチマークで最先端の手法を大幅に上回っている。
  論文  参考訳（メタデータ） (2023-03-12T16:54:08Z)
• 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)
• InfoNeRF: Ray Entropy Minimization for Few-Shot Neural Volume Rendering [55.70938412352287]
  ニューラルな暗黙表現に基づく数ショットの新規ビュー合成のための情報理論正規化手法を提案する。 提案手法は,不十分な視点で発生する潜在的な復元の不整合を最小化する。 複数の標準ベンチマークにおいて,既存のニューラルビュー合成手法と比較して一貫した性能向上を実現している。
  論文  参考訳（メタデータ） (2021-12-31T11:56:01Z)
• Deep Variational Network Toward Blind Image Restoration [60.45350399661175]
  ブラインド画像復元はコンピュータビジョンでは一般的だが難しい問題である。 両利点を両立させることを目的として,新しいブラインド画像復元手法を提案する。 画像デノイングと超解像という2つの典型的なブラインド赤外線タスクの実験により,提案手法が現状よりも優れた性能を達成できることが実証された。
  論文  参考訳（メタデータ） (2020-08-25T03:30:53Z)
• Low-Light Maritime Image Enhancement with Regularized Illumination Optimization and Deep Noise Suppression [5.401654133604235]
  本稿では,照明の正規化と雑音抑圧による低照度画像の高精細化を提案する。 人工海事画像と現実海事画像の総合的な実験を行い,提案手法と最先端画像との比較を行った。
  論文  参考訳（メタデータ） (2020-08-09T17:05:23Z)

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。