論文の概要: DI-Retinex: Digital-Imaging Retinex Theory for Low-Light Image Enhancement

• arxiv url: http://arxiv.org/abs/2404.03327v1
• Date: Thu, 4 Apr 2024 09:53:00 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-05 15:14:12.785029
• Title: DI-Retinex: Digital-Imaging Retinex Theory for Low-Light Image Enhancement
• Title（参考訳）: DI-Retinex:低照度画像強調のためのディジタルイメージング網膜理論
• Authors: Shangquan Sun, Wenqi Ren, Jingyang Peng, Fenglong Song, Xiaochun Cao,
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 73.57965762285075
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Many existing methods for low-light image enhancement (LLIE) based on Retinex theory ignore important factors that affect the validity of this theory in digital imaging, such as noise, quantization error, non-linearity, and dynamic range overflow. In this paper, we propose a new expression called Digital-Imaging Retinex theory (DI-Retinex) through theoretical and experimental analysis of Retinex theory in digital imaging. Our new expression includes an offset term in the enhancement model, which allows for pixel-wise brightness contrast adjustment with a non-linear mapping function. In addition, to solve the lowlight enhancement problem in an unsupervised manner, we propose an image-adaptive masked reverse degradation loss in Gamma space. We also design a variance suppression loss for regulating the additional offset term. Extensive experiments show that our proposed method outperforms all existing unsupervised methods in terms of visual quality, model size, and speed. Our algorithm can also assist downstream face detectors in low-light, as it shows the most performance gain after the low-light enhancement compared to other methods.
• Abstract（参考訳）: レチネックス理論に基づく多くの低照度画像強調法(LLIE)は、ノイズ、量子化誤差、非線形性、ダイナミックレンジオーバーフローなどのデジタル画像におけるこの理論の有効性に影響を与える重要な要素を無視している。 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して,Digital-Imaging Retinex theory(DI-Retinex)と呼ばれる新しい表現を提案する。 我々の新しい表現はエンハンスメントモデルにおけるオフセット項を含み、非線型写像関数を用いた画素ワイドの輝度コントラスト調整を可能にする。 さらに,低照度化問題を教師なしで解くために,ガンマ空間における画像適応マスクによる逆劣化損失を提案する。 また、追加のオフセット項を制御するために分散抑制損失を設計する。 広汎な実験により,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。 提案アルゴリズムは,低照度化後の低照度化後の性能向上を示すため,低照度における下流面検出器のアシストも可能である。

関連論文リスト

• ERD: Exponential Retinex decomposition based on weak space and hybrid nonconvex regularization and its denoising application [3.9304843171575112]
  Retinex理論は、画像を照明とノイズ成分のセグメンテーションとしてモデル化する。 画像復調のための指数分解アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-07-11T13:34:37Z)
• Retinexmamba: Retinex-based Mamba for Low-light Image Enhancement [4.88806532092118]
  RetinexMambaは従来のRetinexメソッドの物理的直感性を捉え、Retinexformerのディープラーニングフレームワークを統合する。 このアーキテクチャは、イノベーティブな照明推定器と、エンハンスメント中の画質を維持する損傷回復機構を備えている。
  論文  参考訳（メタデータ） (2024-05-06T10:59:15Z)
• Edge-guided Low-light Image Enhancement with Inertial Bregman Alternating Linearized Minimization [21.335003558744496]
  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。
  論文  参考訳（メタデータ） (2024-03-02T09:00:57Z)
• 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)
• Retinex Image Enhancement Based on Sequential Decomposition With a Plug-and-Play Framework [16.579397398441102]
  画像強調とノイズ除去を同時に行うために,Retinex理論に基づくプラグイン・アンド・プレイ・フレームワークを設計する。 我々のフレームワークは、画像の強調とデノーミングの両面で最先端の手法に勝っている。
  論文  参考訳（メタデータ） (2022-10-11T13:29:10Z)
• Invertible Network for Unpaired Low-light Image Enhancement [78.33382003460903]
  本稿では,非可逆的ネットワークを活用して,前処理における低照度画像の強化と,非対向学習により逆向きに通常の照度画像の劣化を図ることを提案する。 対向的損失に加えて、トレーニングの安定性を確保し、より詳細な画像を保存するために、様々な損失関数を設計する。 低照度画像に対するプログレッシブ自己誘導強調処理を提案し,SOTAに対して良好な性能を示す。
  論文  参考訳（メタデータ） (2021-12-24T17:00:54Z)
• Designing a Practical Degradation Model for Deep Blind Image Super-Resolution [134.9023380383406]
  単一画像スーパーレゾリューション (sisr) 法は, 推定劣化モデルが実画像から逸脱した場合はうまく動作しない。 本稿では, ランダムにシャッフルされたブラー, ダウンサンプリング, ノイズ劣化からなる, より複雑で実用的な劣化モデルを提案する。
  論文  参考訳（メタデータ） (2021-03-25T17:40:53Z)
• 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)
• 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。